Orange 2项目迁移至Orange 3：orange.MakeRandomIndices.Stratified替代方案咨询

我刚好处理过不少Orange版本迁移的问题，给你梳理下具体的解决方案和查询渠道：

1. orange.MakeRandomIndices.Stratified 的替代方案 #

Orange 3对抽样模块做了重构，原来的分层抽样功能现在可以通过两种方式实现：

• 快速分层拆分数据集：直接使用Orange.data.Table的stratified_split()方法，这是最常用的方式，示例代码如下：

  from Orange.data import Table
  # 加载数据集
  data = Table("iris")
  # 按默认比例（8:2）分层拆分训练集和测试集
  train_data, test_data = data.stratified_split()
  

• 精细控制抽样参数：如果需要自定义抽样比例、随机种子等，可以使用Orange.data.sample.StratifiedSampler类：

  from Orange.data.sample import StratifiedSampler
  from Orange.data import Table
  
  data = Table("iris")
  # 设置70%数据作为训练集，固定随机种子保证结果可复现
  sampler = StratifiedSampler(proportion=0.7, random_state=42)
  train_data, test_data = sampler(data)
  

2. core.py 相关功能的替代 #

Orange 3对核心模块做了彻底的结构调整，原core.py的功能被拆分到多个专门的子模块中，你可以根据具体用途对应查找：

• 数据结构与处理：相关功能迁移到Orange.data模块（比如Table、Domain类）；
• 基础模型与学习器：接口统一到Orange.base模块的Model和Learner类；
• 预处理操作：整合到Orange.preprocess模块下的各个子模块中。

3. 查询Orange 2到Orange 3替代方案的渠道 #

如果你还遇到其他旧API找不到替代的情况，可以通过这些途径查找：

• 官方迁移指南：Orange 3官方文档中有专门的迁移章节，详细列举了大部分Orange 2 API对应的Orange 3实现；
• API参考文档：直接查阅Orange 3各模块的API文档，搜索旧函数名的关键词，通常能找到对应的新功能说明；
• GitHub仓库Issues：很多用户已经在Orange的GitHub仓库中提问过类似迁移问题，搜索相关关键词就能找到现成的解决方案；
• 内置示例脚本：Orange 3自带了大量示例代码，覆盖了常用功能的新用法，对比旧代码就能快速找到替代方式。

内容的提问来源于stack exchange，提问作者pmaniyan