orange_gualbe_toolbox
Utilidades visuales de ciencia de datos para Orange Data Mining.
Add-on para Orange Data Mining con la categoría de widgets Toolbox Gualbe.
Instalación
Desde Orange: menú Options → Add-ons…, botón Add more…, escribe
orange_gualbe_toolbox y reinicia Orange.
O con pip, en el mismo entorno de Python que Orange:
pip install orange_gualbe_toolbox
Widgets
Todos los widgets son visuales, con valores por defecto sensatos y su ayuda en español (F1 o icono ?).
| Widget | Qué hace |
|---|---|
| SMOTE | Balancea las clases generando instancias sintéticas de las minoritarias. Muestra la distribución antes y después. |
| File Import Pro | Importa datos desde un archivo o una URL (CSV, TSV, TAB, XLS/XLSX y ARFF) con vista previa y edición de columnas. |
| Test & Score Pro | Evalúa modelos como Test & Score y los compara con tests estadísticos rigurosos, gráficos e informe exportable. |
| Data Table Pro | Muestra varias tablas en pestañas y las edita como una hoja de cálculo: ordenar, reordenar columnas, editar, buscar y reemplazar, tipos y roles; salen las tablas de la pestaña activa. |
| Nomogram Pro | Nomograma de cualquier modelo de clasificación o regresión: exacto para los aditivos y aproximado, con su fidelidad, para el resto; los valores se cambian arrastrando y la predicción es la del modelo real. |
SMOTE
Recibe una tabla con variable objetivo categórica y devuelve la misma tabla, con sus filas originales intactas, más las instancias sintéticas al final.
- Elige el algoritmo solo:
SMOTEcon atributos numéricos,SMOTENCcon atributos mixtos ySMOTENsi todos son categóricos. - Estrategias: igualar todas las clases a la mayoritaria, solo la minoritaria, todas menos la minoritaria o llegar a un porcentaje de la mayoritaria.
- Reproducible: número de vecinos k y semilla aleatoria configurables.
- En las filas sintéticas las metas quedan desconocidas y, si la tabla tiene pesos, el peso es 1.
- Trabaja en segundo plano y explica en el propio widget qué hacer si faltan valores, si una clase tiene pocas instancias o si no hay nada que balancear.
Balancea solo los datos de entrenamiento: las filas sintéticas en el conjunto de prueba darían una evaluación demasiado optimista.
File Import Pro
Reúne en un solo widget lo mejor de File y CSV File Import de Orange.
- Origen: archivo local (con recientes y arrastrar y soltar) o URL http/https.
- Formatos: CSV, TSV, TAB de Orange, XLS, XLSX y ARFF, también comprimidos. El formato, la codificación, el separador y la cabecera se detectan solos.
- Vista previa al instante, leyendo solo el principio del archivo.
- Columnas: nombre, tipo y rol editables, también varias a la vez, sin volver a leer el archivo.
- Importación avanzada plegada: codificación, separador, comillas, decimales, miles, filas a saltar, cabecera, valores perdidos, comentarios y máximo de filas.
- Rápido y robusto: carga en segundo plano y cancelable con el motor C de pandas, y mensajes claros ante archivos vacíos o dañados, filas irregulares, Excel con contraseña, URL con errores o que devuelven una página web, etc.
Las opciones y las ediciones se guardan con el workflow.
Test & Score Pro
Parte de Test & Score de Orange, con sus mismas entradas, muestreos y salidas (y uno más, la ventana deslizante), y responde a la pregunta clave: ¿la diferencia entre modelos es real o se debe al azar?
- Tests rigurosos: t corregido de Nadeau-Bengio y t bayesiano correlacionado (las particiones de una validación cruzada no son independientes), Wilcoxon, Friedman con Nemenyi y Holm, McNemar, corrección por comparaciones múltiples, tamaños de efecto e intervalos de confianza.
- Cada test dice en qué se apoya y avisa si no se cumple.
- Gráficos: distribución por particiones, diferencias críticas, matriz de comparaciones y probabilidades bayesianas, exportables como imagen.
- Recomendación del mejor modelo, justificada, en lenguaje llano.
- Salidas adicionales: puntuaciones por modelo, por partición y por horizonte, comparaciones, rangos y mejor modelo.
- Ventana deslizante para series temporales: entrena con el pasado y evalúa con el bloque siguiente, con entrenamiento creciente o de tamaño fijo, test, hueco y paso en filas o en tiempo, inicio y fin por fecha y vista previa de las ventanas. Con varias variables objetivo compara los modelos en cada horizonte, y los compara con el test de Diebold-Mariano.
- Informe autocontenido en HTML o PDF, reproducible.
- En segundo plano y cancelable. Cambiar la métrica o los tests no vuelve a entrenar.
Data Table Pro
Parte del Data Table de Orange y lo convierte en un editor de tablas:
- Varias tablas, cada una en su pestaña. Dos salidas, Data (tabla completa con los cambios) y Selected Data (filas seleccionadas), que son siempre las de la pestaña activa; cada salida se llama como el nodo de origen.
- Ordenar pulsando una columna (ascendente, descendente y vuelta al orden original) y reordenar columnas arrastrando la cabecera: las salidas respetan los dos órdenes.
- Editar celdas con validación por tipo, y deshacer y rehacer (Ctrl+Z, Ctrl+Y).
- Buscar y reemplazar, también con expresiones regulares y grupos, distinguiendo o no mayúsculas, en toda la tabla, en las columnas o en las filas seleccionadas, con las coincidencias resaltadas.
- Prefijo y sufijo en columnas de texto y categóricas.
- Renombrar columnas y cambiar su tipo (categórica, numérica, fecha y hora, texto) y su rol (atributo, objetivo, meta), con varios objetivos; las conversiones fallidas se cuentan.
- Vista: filtro rápido de filas, barras en las numéricas, colores de las categóricas, celdas editadas resaltadas, colores propios de fondo y de texto, estadísticas de cada columna en su cabecera y copiar al portapapeles.
- Los cambios se guardan con el workflow y se repiten mientras la entrada no cambie.
- Pensado para tablas grandes: con 300.000 filas, abrir, ordenar, convertir o reemplazar en una columna tardan menos de un segundo, y buscar en toda la tabla, unos 2 segundos la primera vez.
- Solo reenvía las salidas que cambian, para no recalcular lo que cuelga del nodo.
Nomogram Pro
Parte del Nomogram de Orange, que solo admite regresión logística y Naive Bayes, y lo amplía:
- Clasificación y regresión, con todos los modelos del panel Model.
- Modo exacto para los modelos aditivos (regresión logística, Naive Bayes, regresión lineal, Ridge, Lasso, Elastic Net, SGD, SVM lineal y PLS): la suma de puntos reproduce el modelo, y el widget lo comprueba numéricamente. Los coeficientes se llevan a los atributos originales aunque el modelo los preprocese (indicadores, normalización, imputación, discretización).
- Modo aproximado para el resto (árboles, bosques, boosting con xgboost y catboost, kNN, SVM con núcleo, redes neuronales, reglas, stacking…): dependencia parcial o ajuste aditivo directo, el más fiel, con su fidelidad (R², error medio y acuerdo en la clase, medidos en filas apartadas) siempre a la vista.
- La predicción mostrada es siempre la del modelo real, y el widget avisa si la suma de puntos se aleja de ella. Banda de incertidumbre: dispersión entre los árboles de un bosque o error típico en regresión.
- Interactivo: arrastra los valores o escríbelos; contribuciones de la instancia frente a la media, distribución de los datos bajo cada escala, colores por signo, curvas para los efectos que suben y bajan, orden por rango, importancia o contribución, y los N más importantes con el resto sumado aparte.
- Entradas Data (referencia) e Instance (valores iniciales); salidas Features, Instance y Contributions (puntos que suman el total del widget y contribuciones que, con la base, dan la predicción). Cálculo en segundo plano, con muestra acotada: un Random Forest de 100 árboles tarda menos de medio segundo con 20 atributos y unos 3 con 300; el resultado no depende del orden de las filas ni del ordenador.
Ayuda de los widgets
La ayuda (F1 / icono "?") se genera con Sphinx dentro del propio paquete y debe reconstruirse antes de empaquetar:
pip install sphinx
python -m sphinx -b html doc orangecontrib/orange_gualbe_toolbox/_help/html
Mantenimiento y publicación en PyPI
Este repositorio es la fuente de verdad del add-on. La publicación en
PyPI es automática mediante
Trusted Publishing: al publicar una
release vX.Y.Z en GitHub, el workflow .github/workflows/publish.yml genera la
ayuda, construye el paquete, lo sube a PyPI y adjunta los ficheros a la release.
El workflow rechaza la publicación si la etiqueta no coincide con la versión de
pyproject.toml.
Licencia y autoría
Autor: Gualberto Asencio Cortés · Copyright © 2026.
orange_gualbe_toolbox es software libre bajo la licencia
GPL-3.0-or-later
(GNU GPL versión 3 o posterior), la misma familia de licencia que Orange, del que
el add-on importa y hereda clases y del que adapta algunas partes.
Además, al amparo del artículo 7 de la GPL-3, el fichero
NOTICE añade
unos términos adicionales que se aplican al material del autor:
- Atribución (7 b): toda copia o versión modificada, completa o parcial, debe
conservar el aviso de copyright y la atribución de autoría a Gualberto Asencio
Cortés en los ficheros fuente, en la documentación y en
NOTICE. - Origen y versiones modificadas (7 c): no se puede falsear el origen del material; las versiones modificadas deben marcarse como distintas del original y no pueden presentarse como el add-on original ni como publicadas o respaldadas por su autor.
- Nombres (7 e): no se concede ningún derecho sobre los nombres «orange_gualbe», «Orange Gualbe» ni «Gualbe».
Forks y versiones derivadas. Puedes estudiar, modificar y redistribuir el
código en los términos de la GPL-3, pero si distribuyes una versión modificada
debes publicarla con otro nombre de paquete y de proyecto (que no contenga esos
nombres), indicar que es una versión modificada de orange_gualbe_toolbox y no
presentarla como oficial ni como obra del autor.
Cómo citar. Cita el add-on con su DOI general de Zenodo,
10.5281/zenodo.24144757, que remite siempre a la última versión (cada
release tiene además su propio DOI en Zenodo). Si usas el add-on en un trabajo
académico, puedes tomar los metadatos de
CITATION.cff
(GitHub ofrece «Cite this repository» con el formato APA o BibTeX), por ejemplo:
Asencio Cortés, G. (2026). orange_gualbe_toolbox: utilidades visuales de ciencia de datos para Orange Data Mining (versión 0.7.2) [Software]. Zenodo. https://doi.org/10.5281/zenodo.24144757
Componentes de terceros. El add-on depende de Orange Data Mining (GPL-3.0 o
posterior, Bioinformatics Laboratory, Universidad de Liubliana), imbalanced-learn
(MIT), scikit-learn, pandas, NumPy y SciPy (BSD-3-Clause), openpyxl (MIT), xlrd
(BSD), baycomp (MIT) y Matplotlib (licencia de Matplotlib), que se instalan aparte.
Algunas partes están adaptadas del código de Orange: la gestión de modelos y
muestreos de Test & Score Pro (de Test & Score), el bucle de evaluación de la
ventana deslizante (de Validation), la lista de archivos recientes y el arrastrar
y soltar de File Import Pro (de File) y la lectura del nombre de un archivo descargado
(de Orange.data.io). Conservan el copyright y la licencia de Orange y los términos
adicionales no se les aplican; NOTICE
detalla qué ficheros y qué partes son. Los iconos de los widgets son originales.
Metadata
Release files for orange-gualbe-toolbox 0.7.2
For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.
Source distribution (sdist)
| File | Size | Uploaded | Provenance | Actions |
|---|---|---|---|---|
| orange_gualbe_toolbox-0.7.2.tar.gz | 2.6 MB | With provenance | Details for orange_gualbe_toolbox-0.7.2.tar.gz |
Built distribution (wheel)
| File | Interpreter | ABI | Platform | Actions Reset |
|---|---|---|---|---|
| orange_gualbe_toolbox-0.7.2-py3-none-any.whl | Python 3 | none | any | Details for orange_gualbe_toolbox-0.7.2-py3-none-any.whl |
Total release size: 5.2 MB
Release files / orange_gualbe_toolbox-0.7.2.tar.gz
| Download URL | orange_gualbe_toolbox-0.7.2.tar.gz |
|---|---|
| Size | 2.6 MB |
| Tags | Source |
|
SHA-256 checksum How to use checksums |
c438e9e2624ae63e69980fa096c4dd83ec9284dedcf33916dc1c383127577273
|
|
BLAKE2b-256 checksum How to use checksums |
323b736ce65062bdd6107421b586db52a0f8906643740389b3cae1a700abe5ec
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
Yes |
| Uploaded via |
twine/7.0.0 CPython/3.13.16
|
Provenance
Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.
PyPI Publish Attestation
PyPI verified that this artifact, at this checksum, originated from the publisher listed below.
Signed by GitHub Actions, verified by PyPI on Nov 14, 2026.
Transparency logRelease files / orange_gualbe_toolbox-0.7.2-py3-none-any.whl
| Download URL | orange_gualbe_toolbox-0.7.2-py3-none-any.whl |
|---|---|
| Size | 2.6 MB |
| Tags | Python 3 |
|
SHA-256 checksum How to use checksums |
328a53027b193e0e2049db5b91f06b5664f24420ec08725a384fe844d01bc935
|
|
BLAKE2b-256 checksum How to use checksums |
8e8edce0639d7b01a271ee8d6c900cd454abe1fea8714a568d7024af5e419a6f
|
| Upload date | |
|
Uploaded using Trusted Publishing? What is trusted publishing? |
Yes |
| Uploaded via |
twine/7.0.0 CPython/3.13.16
|
Provenance
Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.
PyPI Publish Attestation
PyPI verified that this artifact, at this checksum, originated from the publisher listed below.
Signed by GitHub Actions, verified by PyPI on Nov 14, 2026.
Transparency logSecurity for orange-gualbe-toolbox 0.7.2
Provenance
Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.
Full provenance
Both files in this release have been uploaded with provenance metadata.
Attestation for orange_gualbe_toolbox-0.7.2.tar.gz
PyPI Publish Attestation
PyPI verified that this artifact, at this checksum, originated from the publisher listed below.
Signed by GitHub Actions, verified by PyPI on Nov 14, 2026.
Transparency logA note on package security
PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.
To learn more about protecting yourself from malicious actors, visit our package security documentation.