mlxtend

Mlxtend (extensiones de aprendizaje automático) es una biblioteca Python de herramientas útiles para las tareas diarias de ciencia de datos.

Sebastián Raschka 2014-2024

Campo de golf

• Documentación: https://rasbt.github.io/mlxtend
• PyPI: https://pypi.python.org/pypi/mlxtend
• Registro de cambios: https://rasbt.github.io/mlxtend/CHANGELOG
• Contribuyendo: https://rasbt.github.io/mlxtend/CONTRIBUTING
• ¿Preguntas? Consulte el foro de discusiones de GitHub

Instalación de mlxtend

PyPI

Para instalar mlxtend, simplemente ejecute

pip install mlxtend  

Alternativamente, puede descargar el paquete manualmente desde el Índice de paquetes de Python https://pypi.python.org/pypi/mlxtend, descomprimirlo, navegar hasta el paquete y usar el comando:

python setup.py install

conda

Si usas conda, para instalar mlxtend simplemente ejecuta

conda install -c conda-forge mlxtend 

Versión para desarrolladores

La versión mlxtend en PyPI siempre puede estar un paso por detrás; puedes instalar la última versión de desarrollo desde el repositorio de GitHub ejecutando

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

O puede bifurcar el repositorio de GitHub desde https://github.com/rasbt/mlxtend e instalar mlxtend desde su disco local a través de

python setup.py install

Ejemplos

 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 ()

---

Si utiliza mlxtend como parte de su flujo de trabajo en una publicación científica, considere citar el repositorio de mlxtend con el siguiente DOI:

 @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: Proporciona utilidades y extensiones de aprendizaje automático y ciencia de datos a la pila de computación científica de Python. J Software de código abierto 3(24).

---

Licencia

• Este proyecto se publica bajo una nueva licencia BSD de código abierto permisiva (LICENCIA-BSD3.txt) y se puede utilizar comercialmente. No hay garantía; ni siquiera por su comerciabilidad o idoneidad para un fin particular.
• Además, puede utilizar, copiar, modificar y redistribuir todas las obras artísticas creativas (figuras e imágenes) incluidas en esta distribución bajo el directorio de acuerdo con los términos y condiciones de la Licencia Internacional Creative Commons Atribución 4.0. Consulte el archivo LICENSE-CC-BY.txt para obtener más detalles. (Los gráficos generados por computadora, como los gráficos producidos por matplotlib, están sujetos a la licencia BSD mencionada anteriormente).

Contacto

La mejor manera de hacer preguntas es a través del canal de debates de GitHub. En caso de que encuentre errores de uso, no dude en utilizar directamente el rastreador de problemas de GitHub.