Ingeniería Informática y Ciencias de la

Computación
Sistemas Avanzados de Bases de Datos
Fecha de entrega:
Miguel Calderón
7 de Diciembre de 2017
Predicción de datos con Orange

TÍTULO:

PREDICCIONES UTILIZANDO ORANGE

OBJETIVO

 Comprender la utilización de Orange en cuanto a las predicciones de datos.



DESARROLLO:

Descargamos Orange y realizamos la instalación de la aplicación para poder utilizarla realizando

clusters jerárquicos con este.

Figura 1. Instalación de Orange. Fuente: Orange

Figura 2. Licencia de Orange. Fuente: Orange

Profesor: Ing. Estevan Gómez.

Página 1 de 9
 Ingeniería Informática y Ciencias de la
Computación
Sistemas Avanzados de Bases de Datos
Fecha de entrega:
Miguel Calderón
7 de Diciembre de 2017
Predicción de datos con Orange

Figura 3. Instalación de Anaconda. Fuente: Orange

Una vez descargado e instalado el software procedemos abrir el archivo .csv con el cual tenemos que
trabajar para poder realizar el análisis de los datos y poder determinar de acuerdo a los nutrientes si
el producto que se ingresa es vegetal o es una fruta.

Profesor: Ing. Estevan Gómez.

Página 2 de 9
 Ingeniería Informática y Ciencias de la
Computación
Sistemas Avanzados de Bases de Datos
Fecha de entrega:
Miguel Calderón
7 de Diciembre de 2017
Predicción de datos con Orange

Figura 4.Data Table. Fuente: Orange

Procedemos a abrir los datos que existen en el archivo, aquí se puede observar que existe tanto las
frutas como los vegetales y sus atributos que poseen cada uno.

Profesor: Ing. Estevan Gómez.

Página 3 de 9
 Ingeniería Informática y Ciencias de la
Computación
Sistemas Avanzados de Bases de Datos
Fecha de entrega:
Miguel Calderón
7 de Diciembre de 2017
Predicción de datos con Orange

Figura 5. Información del data table. Fuente: Orange

Al archivo cargado tenemos que agregarle una clasificación, en este caso se llama la herramienta tree
y para poder visualizar los datos se utiliza el tree view.
En la visualización se puede apreciar la clasificación del porcentaje respectivo a frutas y vegetales,
con la diferencia de que nos muestra de manera jerárquica y su atributo correspondiente, por ejemplo
potasio, hierro o calorías, etc

Profesor: Ing. Estevan Gómez.

Página 4 de 9
 Ingeniería Informática y Ciencias de la
Computación
Sistemas Avanzados de Bases de Datos
Fecha de entrega:
Miguel Calderón
7 de Diciembre de 2017
Predicción de datos con Orange

Figura 6. Visualización de tree view. Fuente: Orange

Para la segunda parte utilzamos otro archivo el cual nos otorgará otros datos para el análisis de
datos, realizando la retroalimentación del archivo anterior para poder otorgar aprendizaje al algoritmo
y de esta manera tomar una mejor decisión ya que utiliza una regresión logística.

Profesor: Ing. Estevan Gómez.

Página 5 de 9
 Ingeniería Informática y Ciencias de la
Computación
Sistemas Avanzados de Bases de Datos
Fecha de entrega:
Miguel Calderón
7 de Diciembre de 2017
Predicción de datos con Orange

Figura 7. Esquema de predicción de los datos del archivo. Fuente: Orange

Una vez obtenido este esquema podemos observar la tabla de predicciones los cuales nos muestra
un porcentaje promedio de los atributos de las frutas y los vegetales, y con esto se puede determinar
que porcentaje necesita para ser futa o vegetal.

Profesor: Ing. Estevan Gómez.

Página 6 de 9
 Ingeniería Informática y Ciencias de la
Computación
Sistemas Avanzados de Bases de Datos
Fecha de entrega:
Miguel Calderón
7 de Diciembre de 2017
Predicción de datos con Orange

Figura 8. Datos de predicciones. Fuente: Orange

La regresión logística coge el algoritmo de regresión encuentra los valores más cercanos a los reales
realizando un barrido de los datos clasificados y con esto nos puede determinar finalmente una mejor
predicción ya que se acerca a los valores reales.

Profesor: Ing. Estevan Gómez.

Página 7 de 9
 Ingeniería Informática y Ciencias de la
Computación
Sistemas Avanzados de Bases de Datos
Fecha de entrega:
Miguel Calderón
7 de Diciembre de 2017
Predicción de datos con Orange

Figura 9. Ploteo de la parte seleccionada. Fuente: Orange

Figura 10. Datos de la regresión logística. Fuente: Orange

CONCLUSIONES

 Con la práctica, aprendimos a realizar predicciones después de realizar una correcta

clasificación de los datos.

 Después de aplicar la regresión logistica pudimos categorizar los datos de mejor

manera, tanto vegetales como frutas.

Profesor: Ing. Estevan Gómez.

Página 8 de 9