# 使用Orange3對圖片進行數據挖掘 摘要：本文是Orange3進行數據挖掘的第二部分教程，本文的內容主要是使用Orange3對圖片進行一些通用的處理，這些操作包括對圖片數據的載入，分類，聚類。本教程應用的布局如下圖：  1. 數據準備 首先，我們需要一組圖片數據才可以對圖片進行處理。我從必應搜索中，輸入關鍵詞“花”，選擇了5個花的類別“杜鵑花”，“蘭花”，“菊花”，“玫瑰”，“水仙”，每個類別5張圖片，一共有25張圖片，保存在本機電腦的文件“花”中（自個兒建一個）。 2\. 載入圖片數據并預覽 為了能夠載入圖片數據，需要我們先安裝圖片處理的包，點擊“菜單”-> "Options" -> "Image Analytics"安裝圖片處理包，安裝后需要重啟Orange3, 然后我們能夠在左側的工具中找到圖片處理的窗口了。  然后，我們將Import Images和Image Viewer拖到右側的畫板中，雙擊“Import Images",選擇圖片文件”花“，然后連接"Import Images"和"Image Viewer"，進入“Image Viewer”就可以看到這些圖片了。  3\. 使用圖片embedding 為了對這些圖片進行分類和聚類，我們還需要對圖片進行embedding操作，這個操作的含義類似于自然語言處理中對原始文本進行embedding化，將它們轉化為各個結構化的tensor。 將“Image Embedding”應用從左側的工具窗口拖到右側的畫板中，連接“Import Images"和"Image Embedding",進入“Image Embedding”，這里可以選擇不同的圖片嵌入方式，不知道什么原因，其它的幾個選擇（“Vgg16，Inception v3”）都不會有實際的作用，盡管它們都是比較著名的圖片處理網絡，這里只有選擇“SqueezeNet（local）”才可以真正的發揮效用。 這個時候，將“Data Table”應用拖入到右側的畫板中，連接"Image Embedding"和"Data Table"，就可以看到這些圖片被嵌入后的數據了（沒有做embedding之前，沒有n0,n1這些字段）。  4\. 對圖片進行聚類 將左側“Unsupervised”窗口中的“Distances”,"Hierarc Clustering"以及"Image Analytics"的"Image Viwer"拖入到右側的畫板中，連接“Image Embedding”和“Distances”，連接“Distances”和“Hierarc Clustering”，連接“Hierarc Clustering”和“Image Viwer”。 配置了聚類組件之后，我們稍微詳細的說一下具體設置。 在“Distances”中可以選擇不同的距離，比如余弦距離（cosine），歐式距離（Euclidean）,曼哈頓距離（Manhattan）等。對圖片的處理，針對不同的數據，改變不同的距離度量對處理結果會產生影響。 同時打開“Hierarc Clustering”和“Image Viewer”，當我們選擇了“Hierarc Clustering”中的一些聚類的結果時，在“Image Viewer”中會顯示出被選擇聚類結果對應的“花”。如下圖：   通過這種方式，能夠非常高效的分析聚類結果。從圖片中可以看出，蘭花和玫瑰確實區別比較大，因此它們被劃分到不同的簇中；另一方面，這種聚類將某個杜鵑花和二張水仙花的圖片分到了一個簇中，從右側的Image Viewer中，可看出它們確實非常相似。這同協同反應，我覺得時Oragne3非常吸引人的地方。 5 對圖片進行分類 將左側窗口中“Evaluate”下的幾個應用“Test and Score”,"Confusion Matrix", 將“Image Analysis”中的“Image Viewer”，“Save Images”，將“Model”中的“Logistic Regression”共7個應用拖入到右側畫板中。連接“Image Embedding"-"Test and Score”,"Logistic Regression"-"Test and Score","Test and Score"-"Confusion Matrix","Confusion Matrix"-"Image Viewer","Image Viewer"-"Save Images"，這樣分類的應用部署就完成了。 在“Logistic Regression”中，可以調節它的正則化系數，為L1范數還是L2范數，以及懲罰稀疏的大小。在“Test and score”中，可以看模型Logistic回歸對圖片的分類結果，包括AUC，F1，Precision，Recall等常用指標，并且還可以調節交叉驗證的參數，只要調節"Cross Validation"下"Number of Folds"下的參數即可。  為了查看具體分錯的樣本，我們可以同時打開“Confusion Matrix”和“Image Viewer”。混肴矩陣的含義這里不再討論，感興趣的讀者可自行百度。在混肴矩陣中，對角線上的數字代表正確分類的，而非對角線上的數字，代表的時錯誤的分類。  深藍色的時我選擇的數據，它們會在右側的Image Viewer中出現。從混肴矩陣中有，第3行第5列的1代表的時Logistics將水仙花預測成了菊花，從右側的Image Viewer，直觀上看，圖片上的水仙花，確實和菊花很相似，因此這個樣本并不容易劃分。 最后的"save image"可以將圖片Image Viwer中的圖片保存到本機中。 6\. 總結 本本講述了如何使用Orange對圖片進行讀取，查看，embedding，聚類和分類，以及分類或者聚類后查看出錯的數據。揭示了Orange可以高效的分析異常圖片的特性。這些是吸引我們使用Orange3處理數據一個點。