什麼是 Orange3？

Orange3 是一款開源 (Open Source) 的資料探勘與機器學習工具。它最大的特色是視覺化的流程介面 (Visual Programming)。

使用者不需要撰寫程式碼，只需要透過拖拉、連接不同的 「元件」 (Widgets)，就可以建構出完整的資料分析、資料前處理、模型訓練與評估的流程。

核心優勢

• 視覺化工作流： 整個分析流程一目了然，非常適合用來教學和展示。
• 無需程式碼： 大幅降低了機器學習的入門門檻。
• 互動式探索： 任何元件的參數一經調整（例如你調整 Random Forest 的樹木數量），下游所有元件的結果（如 Test & Score）都會即時更新，便於快速實驗。
• 功能完整： 涵蓋了資料探勘的完整步驟，從資料讀取到複雜的模型評估都包含在內。

核心元件 (Widgets) 介紹

Orange3 的所有功能都包裝在左側的「元件庫」中。以下是我們在房價預測專案中使用到的關鍵元件：

1. Data (資料)

這是分析的起點。

• File (檔案): 用於載入你的資料集。支援 CSV, Excel, .tab 檔案，也內建了許多經典資料集 (例如 boston.tab)。
• Select Columns (選擇欄位): 極度重要的步驟。在這裡，我們要告訴 Orange 我們的「目標 (Target)」是什麼 (例如 MEDV 房價)，以及哪些是「特徵 (Features)」(例如 RM, LSTAT 等)。

2. Transform (轉換 / 資料前處理)

原始資料通常不能直接拿來建模，需要先「清洗」。

• Impute (插補缺失值): 處理資料中的空白格。雖然波士頓資料集很乾淨，但真實世界的資料常用到。
• Preprocess (前處理): 一個強大的打包元件，我們用它來做正規化 (Normalize Features)。正規化 (例如 Z-score) 可以消除不同特徵間的尺度差異 (例如 RM 房間數 39 vs. TAX 稅率 200700)，讓模型訓練更穩定。

3. Visualize (視覺化)

分析特徵與目標之間的關係。

• Box Plot (箱型圖): 非常適合用來比較 「類別變數」 與 「數值變數」 的關係。
  • 範例： 我們用 CHAS (是否臨河) 作為分組 (Subgroups)，觀察 MEDV (房價) 的分佈，清楚地看到臨河的房價中位數更高。
• Scatter Plot (散點圖): 用來觀察 「兩個數值變數」 之間的關係。
  • 範例： 我們設定 X 軸為 RM (房間數)、Y 軸為 MEDV (房價)，看到了明顯的「正相關」。
  • 進階： 還可以加入 顏色 (Color) (例如 LSTAT) 或 形狀 (Shape) (例如 CHAS) 來同時呈現 3~4 個維度的資訊。
• Rank (排名): 用來回答「哪些特徵最重要？」。它會計算所有特徵與目標變數的相關性分數，是回答 Q2 的關鍵。

4. Model (模型)

我們選擇用來預測的演算法。

• Linear Regression (線性迴歸): 迴歸任務的基準模型。它會找出一個最佳的線性公式 (例如 房價 = a*RM - b*LSTAT + c)。
• Random Forest (隨機森林): 一種強大的整合模型。它會建立數百棵決策樹，並將它們的預測結果平均起來。通常準確率高，且不易發生過擬合。
• (其他常用模型：Tree (決策樹), SVM (支援向量機), Gradient Boosting (梯度提升))

5. Evaluate (評估)

用來評斷模型「好壞」的元件。

• Test & Score (測試與評分): 評估的核心。我們把資料 (Preprocess) 和模型 (Linear Regression, Random Forest) 都連到這裡。
• Cross-validation (交叉驗證): Test & Score 內最重要的設定。它會自動將資料分成 N 份（例如 10 份），輪流將 9 份當作訓練集、1 份當作測試集，最後算出平均分數。這能有效避免過擬合，得到一個可靠的效能指標。