mlxtend

Mlxtend (Erweiterungen für maschinelles Lernen) ist eine Python-Bibliothek mit nützlichen Tools für alltägliche Data-Science-Aufgaben.

Sebastian Raschka 2014-2024

Links

• Dokumentation: https://rasbt.github.io/mlxtend
• PyPI: https://pypi.python.org/pypi/mlxtend
• Änderungsprotokoll: https://rasbt.github.io/mlxtend/CHANGELOG
• Mitwirken: https://rasbt.github.io/mlxtend/CONTRIBUTING
• Fragen? Schauen Sie sich das GitHub-Diskussionsforum an

mlxtend installieren

PyPI

Um mlxtend zu installieren, führen Sie es einfach aus

pip install mlxtend  

Alternativ können Sie das Paket manuell aus dem Python-Paketindex https://pypi.python.org/pypi/mlxtend herunterladen, es entpacken, in das Paket navigieren und den folgenden Befehl verwenden:

python setup.py install

Conda

Wenn Sie Conda verwenden, führen Sie einfach mlxtend aus, um es zu installieren

conda install -c conda-forge mlxtend 

Entwicklerversion

Die mlxtend-Version auf PyPI kann immer einen Schritt zurückliegen; Sie können die neueste Entwicklungsversion aus dem GitHub-Repository installieren, indem Sie Folgendes ausführen

pip install git+git://github.com/rasbt/mlxtend.git#egg=mlxtend

Oder Sie können das GitHub-Repository von https://github.com/rasbt/mlxtend forken und mlxtend von Ihrem lokalen Laufwerk über installieren

python setup.py install

Beispiele

 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

# Initializing Classifiers
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' )

# Loading some example data
X , y = iris_data ()
X = X [:,[ 0 , 2 ]]

# Plotting Decision Regions
gs = gridspec . GridSpec ( 2 , 2 )
fig = plt . figure ( figsize = ( 10 , 8 ))

for clf , lab , grd in zip ([ clf1 , clf2 , clf3 , eclf ],
                         [ 'Logistic Regression' , 'Random Forest' , 'RBF kernel SVM' , 'Ensemble' ],
                         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 ()

---

Wenn Sie mlxtend als Teil Ihres Workflows in einer wissenschaftlichen Publikation verwenden, denken Sie bitte darüber nach, das mlxtend-Repository mit dem folgenden DOI zu zitieren:

 @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: Bereitstellung von Dienstprogrammen und Erweiterungen für maschinelles Lernen und Datenwissenschaft für Pythons wissenschaftlichen Rechenstapel. J Open Source Softw 3(24).

---

Lizenz

• Dieses Projekt wird unter einer freizügigen neuen BSD-Open-Source-Lizenz (LICENSE-BSD3.txt) veröffentlicht und ist kommerziell nutzbar. Es gibt keine Garantie; nicht einmal auf Marktgängigkeit oder Eignung für einen bestimmten Zweck.
• Darüber hinaus dürfen Sie alle in dieser Distribution enthaltenen künstlerischen Schaffenswerke (Figuren und Bilder) im Verzeichnis gemäß den Bedingungen der Creative Commons Attribution 4.0 International License nutzen, kopieren, verändern und weiterverbreiten. Einzelheiten finden Sie in der Datei LICENSE-CC-BY.txt. (Computergenerierte Grafiken wie die von matplotlib erstellten Plots fallen unter die oben genannte BSD-Lizenz.)

Kontakt

Der beste Weg, Fragen zu stellen, ist über den GitHub-Diskussionskanal. Sollten Sie auf Nutzungsfehler stoßen, zögern Sie bitte nicht, direkt den Issue-Tracker von GitHub zu verwenden.