orange_gualbe_fs

Add-on de selección de atributos (feature selection) para Orange Data Mining.

Añade una nueva categoría "Selección de Atributos" al lienzo de Orange, con widgets que reciben una tabla de datos, permiten configurar un algoritmo de selección de atributos desde su interfaz gráfica, y devuelven la tabla reducida solo con los atributos elegidos.

Widgets incluidos

Filtro Univariante

Selecciona atributos evaluando cada uno por separado frente a la variable objetivo (target), sin entrenar ningún modelo. Permite elegir:

• Método de selección: SelectKBest, SelectPercentile, SelectFpr, SelectFdr, SelectFwe (de scikit-learn).
• Función de puntuación (scoring): chi2, f_classif, f_regression, r_regression.

El widget detecta automáticamente si el target de los datos de entrada es categórico (clasificación) o numérico (regresión), y solo deja activas las funciones de puntuación compatibles con ese tipo de problema.

Selección Wrapper

Selecciona atributos mediante métodos wrapper, que evalúan subconjuntos de atributos entrenando repetidamente un modelo predictivo:

• Método: RFE, RFECV, SequentialFeatureSelector (de scikit-learn).
• Estimador base: Regresión Logística/Lineal o Bosque Aleatorio, según el tipo de target detectado.
• Parámetros configurables por método: número de atributos, paso, mínimo de atributos (RFECV), pliegues de validación cruzada, dirección (SFS) y métrica de evaluación (scoring).

A diferencia del Filtro Univariante, este widget no aplica los cambios automáticamente (auto_apply desactivado por defecto): al ser más lento, hay que pulsar Apply tras ajustar los parámetros. Sí procesa los datos automáticamente en cuanto llegan por la entrada.

Selección Embebida

Selecciona atributos según la importancia o los coeficientes que les asigna un modelo predictivo ya entrenado (SelectFromModel de scikit-learn) — entrena el modelo una sola vez, a diferencia de los métodos wrapper:

• Estimador base: una selección amplia de algoritmos de scikit-learn según el tipo de target — 8 de clasificación (Regresión Logística, SVM Lineal, SGD, Árbol de Decisión, Bosque Aleatorio, Extra Trees, Gradient Boosting, AdaBoost) y 10 de regresión (los mismos más Ridge, Lasso y ElasticNet).
• Umbral de selección: media, mediana o un valor personalizado.
• Límite de atributos opcional (número máximo, independiente del umbral).

auto_apply activado por defecto (un único ajuste del modelo, más rápido que los métodos wrapper).

Los tres widgets integran su ayuda con el sistema de ayuda nativo de Orange: selecciona el widget en el lienzo y pulsa F1, o haz clic en el icono "?" de la barra de estado del widget.

Instalación para desarrollo

python -m venv .venv
source .venv/bin/activate
pip install Orange3 PyQt5
pip install -e .

Abrir Orange Canvas con el add-on instalado:

python -m Orange.canvas

El widget aparecerá en el lienzo bajo la categoría "Selección de Atributos".

Ayuda de los widgets (documentación)

La ayuda que se abre con F1/"?" se genera con Sphinx a partir de los archivos en doc/. Cada widget tiene una página en doc/widgets/<nombre>.rst, con una etiqueta al inicio que debe coincidir exactamente con el nombre del widget en minúsculas (por ejemplo, .. _filtro univariante: para el widget name = "Filtro Univariante") — así es como Orange encuentra la página correcta.

Para (re)generar la documentación tras editar o añadir un widget:

pip install sphinx
python -m sphinx -b html doc doc/build/html

doc/build/html/ no se versiona en el control de código fuente: es un artefacto generado, igual que dist/. Debe reconstruirse cada vez que se edite un archivo .rst en doc/widgets/.

Requisitos de los datos de entrada

• La tabla debe tener una variable objetivo (target) definida.
• Si vas a usar chi2, todos los atributos deben ser no negativos (aplica antes una normalización si es necesario).
• Si los datos tienen valores ausentes, imputa antes con el widget "Impute" de Orange: las funciones de puntuación de scikit-learn no admiten valores faltantes.