mlxtend

Mlxtend (extensions d'apprentissage automatique) est une bibliothèque Python d'outils utiles pour les tâches quotidiennes de science des données.

Sébastien Raschka 2014-2024

Links

• Documentation : https://rasbt.github.io/mlxtend
• PyPI : https://pypi.python.org/pypi/mlxtend
• Journal des modifications : https://rasbt.github.io/mlxtend/CHANGELOG
• Contribuer : https://rasbt.github.io/mlxtend/CONTRIBUTING
• Des questions ? Consultez le forum de discussion GitHub

Installation de mlxtend

PyPI

Pour installer mlxtend, exécutez simplement

pip install mlxtend  

Vous pouvez également télécharger le package manuellement à partir de l'index des packages Python https://pypi.python.org/pypi/mlxtend, le décompresser, naviguer dans le package et utiliser la commande :

python setup.py install

Conda

Si vous utilisez conda, pour installer mlxtend, exécutez simplement

conda install -c conda-forge mlxtend 

Version de développement

La version mlxtend sur PyPI peut toujours être en retard ; vous pouvez installer la dernière version de développement à partir du référentiel GitHub en exécutant

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

Ou, vous pouvez créer le référentiel GitHub à partir de https://github.com/rasbt/mlxtend et installer mlxtend à partir de votre lecteur local via

python setup.py install

Exemples

 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 vous utilisez mlxtend dans le cadre de votre flux de travail dans une publication scientifique, pensez à citer le référentiel mlxtend avec le DOI suivant :

 @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 : fourniture d'utilitaires et d'extensions d'apprentissage automatique et de science des données à la pile de calcul scientifique de Python. J Logiciel Open Source 3(24).

---

Licence

• Ce projet est publié sous une nouvelle licence open source BSD permissive (LICENSE-BSD3.txt) et utilisable commercialement. Il n'y a aucune garantie ; pas même pour la qualité marchande ou l’adéquation à un usage particulier.
• De plus, vous pouvez utiliser, copier, modifier et redistribuer toutes les œuvres de création artistique (figures et images) incluses dans cette distribution sous le répertoire selon les termes et conditions de la licence internationale Creative Commons Attribution 4.0. Voir le fichier LICENSE-CC-BY.txt pour plus de détails. (Les graphiques générés par ordinateur tels que les tracés produits par matplotlib relèvent de la licence BSD mentionnée ci-dessus).

Contact

La meilleure façon de poser des questions est via le canal de discussion GitHub. Si vous rencontrez des bugs d'utilisation, n'hésitez pas à utiliser directement le issue tracker de GitHub.