Mlxtend(机器学习扩展)是一个Python库,提供日常数据科学任务中有用的工具。
Sebastian Raschka 2014-2024
链接
- 文档: https://rasbt.github.io/mlxtend
- PyPI:https://pypi.python.org/pypi/mlxtend
- 更新日志:https://rasbt.github.io/mlxtend/CHANGELOG
- 贡献:https://rasbt.github.io/mlxtend/CONTRIBUTING
- 有问题?查看GitHub讨论板
安装mlxtend
PyPI
要安装mlxtend,只需执行
pip install mlxtend
或者,您可以从Python包索引https://pypi.python.org/pypi/mlxtend手动下载包,解压缩,进入包目录,然后使用以下命令:
python setup.py install
Conda
如果您使用conda,要安装mlxtend只需执行
conda install -c conda-forge mlxtend
开发版本
PyPI上的mlxtend版本可能总是落后一步;您可以通过执行以下命令从GitHub存储库安装最新的开发版本:
pip install git+git://github.com/rasbt/mlxtend.git#egg=mlxtend
或者,您可以从https://github.com/rasbt/mlxtend fork GitHub存储库,并通过以下方式从本地驱动器安装mlxtend:
python setup.py install
示例
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import itertools
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from sklearn.ensemble import RandomForestClassifier
from mlxtend.classifier import EnsembleVoteClassifier
from mlxtend.data import iris_data
from mlxtend.plotting import plot_decision_regions
# 初始化分类器
clf1 = LogisticRegression(random_state=0)
clf2 = RandomForestClassifier(random_state=0)
clf3 = SVC(random_state=0, probability=True)
eclf = EnsembleVoteClassifier(clfs=[clf1, clf2, clf3], weights=[2, 1, 1], voting='soft')
# 加载示例数据
X, y = iris_data()
X = X[:,[0, 2]]
# 绘制决策区域
gs = gridspec.GridSpec(2, 2)
fig = plt.figure(figsize=(10, 8))
for clf, lab, grd in zip([clf1, clf2, clf3, eclf],
['逻辑回归', '随机森林', 'RBF核SVM', '集成'],
itertools.product([0, 1], repeat=2)):
clf.fit(X, y)
ax = plt.subplot(gs[grd[0], grd[1]])
fig = plot_decision_regions(X=X, y=y, clf=clf, legend=2)
plt.title(lab)
plt.show()
如果您在科学出版物中使用mlxtend作为工作流程的一部分,请考虑使用以下DOI引用mlxtend存储库:
@article{raschkas_2018_mlxtend,
author = {Sebastian Raschka},
title = {MLxtend: Providing machine learning and data science
utilities and extensions to Python's
scientific computing stack},
journal = {The Journal of Open Source Software},
volume = {3},
number = {24},
month = apr,
year = 2018,
publisher = {The Open Journal},
doi = {10.21105/joss.00638},
url = {https://joss.theoj.org/papers/10.21105/joss.00638}
}
- Raschka, Sebastian (2018) MLxtend: 为Python科学计算栈提供机器学习和数据科学实用工具和扩展。 J Open Source Softw 3(24)。
许可证
- 本项目根据宽松的新BSD开源许可证发布(LICENSE-BSD3.txt),可商业使用。不提供任何保证;甚至不保证适销性或特定用途的适用性。
- 此外,您可以根据知识共享署名4.0国际许可证的条款和条件,使用、复制、修改和重新分发该发行版中包含的所有艺术创作作品(图形和图像)。详情请见LICENSE-CC-BY.txt文件。(由matplotlib生成的计算机生成图形等属于上述BSD许可证)。
联系
提问的最佳方式是通过GitHub讨论频道。如果您遇到使用问题,请直接使用GitHub的问题跟踪器。