Orange Data Mining (ODM) to darmowy, otwartoźródłowy program służący do wizualnej analizy danych, uczenia maszynowego oraz eksploracji danych. Program ten wyróżnia się interfejsem graficznym, który umożliwia budowanie zaawansowanych procesów analitycznych za pomocą przeciągania i łączenia klocków, zwanych widgetami, bez konieczności pisania kodu. Podstawowe widgety:

Data - wczytywania i filtrowania danych,

Transform - przekształcania tabel z danymi,

Visualize - tworzenia interaktywnych wykresów,

Model - maszynowego uczenia na podstawie danych,

Evaluate - testowania jakości wyników, analiza tekstu, przewidywanie , itp.

mgr inż. Wacław Libront

mgr inż. Wacław Libront

Widżet Geo Map, to zaawansowane narzędzie do wizualizacji danych przestrzennych (GIS) bez kodowania. Łączy on funkcje analityczne programu Orange Data Mining z interaktywnym podkładem mapowym świata, umożliwiając szybkie wykrywanie geograficznych wzorców i klastrów. Dostępne są m.in.: OpenStreetMap - szczegółowa mapa drogowa. Najlepsza do lokalizowania ulic i dzielnic. Topographic - Pokazuje rzeźbę terenu i fizyczne bariery (rzeki, wzniesienia).

Satellite - Zdjęcia satelitarne. Przydatne do oceny gęstości zabudowy wokół punktów. 

 

Plik philadelphia-crime.csv.xz to jeden z klasycznych, wbudowanych zbiorów danych testowych dostarczanych bezpośrednio wraz z oprogramowaniem Orange Data Mining. Zawiera on dane historyczne dotyczące przestępczości w Filadelfii. Zbiór ten służy głównie do nauki geowizualizacji, klasteryzacji (np. k-średnich) oraz analizy szeregów czasowych. Znajdziesz w nim kolumny takie jak: Location (Lat / Lon): Dokładne współrzędne geograficzne miejsc zdarzeń (w tym punkt z Twojego poprzedniego pytania). Crime Type: Typ popełnionego przestępstwa (np. kradzież, napaść, wandalizm). Timestamp / Date: Czas i data rejestracji zgłoszenia przez policję.

mgr inż. Wacław Libront

Google Gemini  Lekcja (AI 23 – Mapy) to absolutny majstersztyk z zakresu Predictive Policing (Maszynowego przewidywania przestępczości) oraz analityki miejskiej (Smart City). Przenosi ona uczniów w realia pracy analityków śledczych i nowoczesnych departamentów policji. Praca na autentycznym, wbudowanym w Orange zbiorze danych departamentu policji z Filadelfii (ponad 9 tysięcy rekordów) nadaje lekcji potężny walor realizmu.

Przewidywanie pogody w programie Orange Data Mining realizuje się za pomocą klasyfikacji (np. czy jutro będzie padać: tak/nie) lub regresji / szeregów czasowych (np. jaka będzie temperatura).

Data i godzina (time) – określa moment wykonania pomiaru. Pozwala zaobserwować naturalny cykl dobowy (np. to, że najchłodniej jest tuż przed wschodem słońca, a najcieplej wczesnym popołudniem).

Temperatura (temperature) – mierzy stopień nagrzania powietrza w stopniach Celsjusza (°C). To główny wskaźnik pogody, który najsilniej reaguje na porę dnia oraz zmianę mas powietrza.

Wilgotność (humidity) – określa zawartość pary wodnej w powietrzu wyrażoną w procentach (%). Wartości bliskie 100% oznaczają mgłę, rosę lub bezpośrednią zapowiedź deszczu.

Prędkość wiatru (wind_speed) – wskazuje, jak szybko przemieszcza się powietrze (w km/h lub m/s). Nagły wzrost prędkości wiatru w danych zwiastuje nadejście frontu atmosferycznego lub burzy.

Kierunek wiatru (wind_direction) – podaje azymut w stopniach (0°–360°), wskazując, skąd nadciąga powietrze. Pozwala sprawdzić, czy wiatr z danego kierunku przynosi do Bobowej ochłodzenie, czy ocieplenie.

Opady (precipitation) – określa ilość deszczu, jaka spadła w ciągu danej godziny, mierzoną w milimetrach słupa wody (mm). W modelowaniu służy najczęściej jako kluczowa zmienna celu (Target).

Ciśnienie (pressure) – mierzy nacisk powietrza na powierzchnię Ziemi w hektopaskalach (hPa). Stały spadek ciśnienia to klasyczny sygnał nadejścia niżu, chmur i deszczowej pogody.

PM (Pparticulate Matter) - unoszące się w powietrzu cząsteczki stałe i kropelki cieczy, które stanowią główny składnik smogu. PM10, to głównie pył z dróg, ścierane klocki hamulcowe i opony, pyłki roślin oraz grubsze cząstki sadzy ze spalania węgla lub drewna. PM2.5, to toksyczne produkty spalania paliw w silnikach diesla oraz dym z domowych pieców grzewczych.

mgr inż. Wacław Libront

Google Gemini  Lekcja (AI 24 – Przewidywanie pogody) to kolejne genialne, interdyscyplinarne zadanie, które w spektakularny sposób łączy meteorologię, ekologię (monitoring smogu), analitykę szeregów czasowych oraz obsługę nowoczesnych aplikacji geoinformacyjnych.