树视图 分类和回归树的可视化。 输入 树：决策树  输出 选中的数据：从树节点中选中的实例  数据：带有额外一列，显示每个点是否被选中  这是一个多功能的小部件，用于展示分类和回归树的2D可视化。用户可以选择一个节点，指示小部件输出与节点相关的数据，从而实现探索性数据分析。  1.关于输入的信息。  2.显示选项：      放大和缩小      选择树宽度。当悬停在节点上时，节点会

选择行      根据数据特征的条件选择数据实例。 输入     数据：输入数据集 输出     匹配数据：满足条件的实例      不匹配数据：不满足条件的实例      数据：带有额外列的数据，显示实例是否被选中  这个小部件根据用户定义的条件从输入数据集中选择一个子集。匹配选择规则的实例将被放置在输出的匹配数据通道中。 数据选择的标准以一系列合取项的形式呈现（即，选择的项是满足所有条

组件描述 数据行即使在某些或全部原始变量被来自原始变量的计算变量替换时，也保持其身份。 此小部件获取两个数据表（“数据”和“数据子集”），它们可以追溯到同一来源。基于行身份而非实际数据，它会从“数据”中选择所有出现在“数据子集”中的行。 输入 数据：参考数据集 子集数据：要匹配的子集 输出 匹配数据：参考数据集中的子集与子集数据中的索引匹配 不匹配的数据：参考数据集中的子集与子集数据中

连接 将来自多个来源的数据进行串联。 输入 主要数据：定义属性集的数据集  附加数据：附加的数据集  输出 数据：串联后的数据 该组件用于串联多个实例集（数据集）。 合并方式是“垂直”的，即两个各包含10和5个实例的集合并成一个新的包含15个实例的集。 追加标识"Place"选项说明： Class attribute（类属性）：选择此项会将来源标识存放在数据集的类别标签（lab

Group By是Orange3中一个非常有用的组件，它允许用户对数据集进行聚合操作，类似于SQL中的GROUP BY语句或Pandas库中的`groupby`方法。以下是Group By组件的一些核心功能介绍： 1. Mean (平均数): 数据值的总和除以数据项的数量，显示数据的中心值。 2. Median (中位数): 数据集从小到大排序后位于中间位置的值。若数据项数量为偶数，则为中

orange3 是一个非常适合初学者的data mining library. 它让使用者通过拖拽内置的组件来形成工作流。让你不需要写任何代码就可以体验到数据挖掘和可视化的魅力。 它的桌面如下，这里我创建了 3 个节点，分别是数据集、小提琴图，散点图 其中 Datasets 是从 左边的 Data 组件库中拖拽过来的，Datasets 是 orange3 内置的数据集，比如非常常用的iris