# 使用Orange3对图片进行数据挖掘 摘要：本文是Orange3进行数据挖掘的第二部分教程，本文的内容主要是使用Orange3对图片进行一些通用的处理，这些操作包括对图片数据的载入，分类，聚类。本教程应用的布局如下图：  1. 数据准备 首先，我们需要一组图片数据才可以对图片进行处理。我从必应搜索中，输入关键词“花”，选择了5个花的类别“杜鹃花”，“兰花”，“菊花”，“玫瑰”，“水仙”，每个类别5张图片，一共有25张图片，保存在本机电脑的文件“花”中（自个儿建一个）。 2\. 载入图片数据并预览 为了能够载入图片数据，需要我们先安装图片处理的包，点击“菜单”-> "Options" -> "Image Analytics"安装图片处理包，安装后需要重启Orange3, 然后我们能够在左侧的工具中找到图片处理的窗口了。  然后，我们将Import Images和Image Viewer拖到右侧的画板中，双击“Import Images",选择图片文件”花“，然后连接"Import Images"和"Image Viewer"，进入“Image Viewer”就可以看到这些图片了。  3\. 使用图片embedding 为了对这些图片进行分类和聚类，我们还需要对图片进行embedding操作，这个操作的含义类似于自然语言处理中对原始文本进行embedding化，将它们转化为各个结构化的tensor。 将“Image Embedding”应用从左侧的工具窗口拖到右侧的画板中，连接“Import Images"和"Image Embedding",进入“Image Embedding”，这里可以选择不同的图片嵌入方式，不知道什么原因，其它的几个选择（“Vgg16，Inception v3”）都不会有实际的作用，尽管它们都是比较著名的图片处理网络，这里只有选择“SqueezeNet（local）”才可以真正的发挥效用。 这个时候，将“Data Table”应用拖入到右侧的画板中，连接"Image Embedding"和"Data Table"，就可以看到这些图片被嵌入后的数据了（没有做embedding之前，没有n0,n1这些字段）。  4\. 对图片进行聚类 将左侧“Unsupervised”窗口中的“Distances”,"Hierarc Clustering"以及"Image Analytics"的"Image Viwer"拖入到右侧的画板中，连接“Image Embedding”和“Distances”，连接“Distances”和“Hierarc Clustering”，连接“Hierarc Clustering”和“Image Viwer”。 配置了聚类组件之后，我们稍微详细的说一下具体设置。 在“Distances”中可以选择不同的距离，比如余弦距离（cosine），欧式距离（Euclidean）,曼哈顿距离（Manhattan）等。对图片的处理，针对不同的数据，改变不同的距离度量对处理结果会产生影响。 同时打开“Hierarc Clustering”和“Image Viewer”，当我们选择了“Hierarc Clustering”中的一些聚类的结果时，在“Image Viewer”中会显示出被选择聚类结果对应的“花”。如下图：   通过这种方式，能够非常高效的分析聚类结果。从图片中可以看出，兰花和玫瑰确实区别比较大，因此它们被划分到不同的簇中；另一方面，这种聚类将某个杜鹃花和二张水仙花的图片分到了一个簇中，从右侧的Image Viewer中，可看出它们确实非常相似。这同协同反应，我觉得时Oragne3非常吸引人的地方。 5 对图片进行分类 将左侧窗口中“Evaluate”下的几个应用“Test and Score”,"Confusion Matrix", 将“Image Analysis”中的“Image Viewer”，“Save Images”，将“Model”中的“Logistic Regression”共7个应用拖入到右侧画板中。连接“Image Embedding"-"Test and Score”,"Logistic Regression"-"Test and Score","Test and Score"-"Confusion Matrix","Confusion Matrix"-"Image Viewer","Image Viewer"-"Save Images"，这样分类的应用部署就完成了。 在“Logistic Regression”中，可以调节它的正则化系数，为L1范数还是L2范数，以及惩罚稀疏的大小。在“Test and score”中，可以看模型Logistic回归对图片的分类结果，包括AUC，F1，Precision，Recall等常用指标，并且还可以调节交叉验证的参数，只要调节"Cross Validation"下"Number of Folds"下的参数即可。  为了查看具体分错的样本，我们可以同时打开“Confusion Matrix”和“Image Viewer”。混肴矩阵的含义这里不再讨论，感兴趣的读者可自行百度。在混肴矩阵中，对角线上的数字代表正确分类的，而非对角线上的数字，代表的时错误的分类。  深蓝色的时我选择的数据，它们会在右侧的Image Viewer中出现。从混肴矩阵中有，第3行第5列的1代表的时Logistics将水仙花预测成了菊花，从右侧的Image Viewer，直观上看，图片上的水仙花，确实和菊花很相似，因此这个样本并不容易划分。 最后的"save image"可以将图片Image Viwer中的图片保存到本机中。 6\. 总结 本本讲述了如何使用Orange对图片进行读取，查看，embedding，聚类和分类，以及分类或者聚类后查看出错的数据。揭示了Orange可以高效的分析异常图片的特性。这些是吸引我们使用Orange3处理数据一个点。