mlxtend 다운로드 - mlxtend 소스 코드 다운로드

mlxtend

파이썬

v0.23.3

다운로드

mlxtend 로고

Mlxtend(기계 학습 확장)는 일상적인 데이터 과학 작업에 유용한 도구로 구성된 Python 라이브러리입니다.

세바스티안 라슈카 2014-2024

모래밭

문서: https://rasbt.github.io/mlxtend
PyPI: https://pypi.python.org/pypi/mlxtend
변경 내역: https://rasbt.github.io/mlxtend/CHANGELOG
기여: https://rasbt.github.io/mlxtend/CONTRIBUTING
질문? GitHub 토론 게시판을 확인하세요.

mlxtend 설치

PyPI

mlxtend를 설치하려면 다음을 실행하세요.

pip install mlxtend

또는 Python 패키지 색인(https://pypi.python.org/pypi/mlxtend)에서 패키지를 수동으로 다운로드하여 압축을 풀고 패키지로 이동하여 다음 명령을 사용할 수 있습니다.

python setup.py install

콘다

conda를 사용하는 경우 mlxtend를 설치하려면 다음을 실행하세요.

conda install -c conda-forge mlxtend

개발 버전

PyPI의 mlxtend 버전은 항상 한 단계 뒤쳐질 수 있습니다. 다음을 실행하여 GitHub 저장소에서 최신 개발 버전을 설치할 수 있습니다.

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

또는 https://github.com/rasbt/mlxtend에서 GitHub 저장소를 포크하고 다음을 통해 로컬 드라이브에서 mlxtend를 설치할 수 있습니다.

python setup.py install

예

 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 ()

과학 출판물에서 작업 흐름의 일부로 mlxtend를 사용하는 경우 다음 DOI와 함께 mlxtend 저장소를 인용하는 것을 고려해 보십시오.

 @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: Python의 과학 컴퓨팅 스택에 대한 기계 학습 및 데이터 과학 유틸리티와 확장 기능을 제공합니다. J 오픈 소스 소프트웨어 3(24).

특허

이 프로젝트는 새로운 BSD 오픈 소스 라이선스(LICENSE-BSD3.txt)에 따라 출시되었으며 상업적으로 사용할 수 있습니다. 보증은 없습니다. 상품성이나 특정 목적에의 적합성을 위해서도 아닙니다.
또한 귀하는 Creative Commons Attribution 4.0 International License의 이용 약관에 따라 이 배포판에 포함된 모든 예술적 창작물(그림 및 이미지)을 디렉토리에 따라 사용, 복사, 수정 및 재배포할 수 있습니다. 자세한 내용은 LICENSE-CC-BY.txt 파일을 참조하세요. (matplotlib에 의해 생성된 플롯과 같은 컴퓨터 생성 그래픽은 위에서 언급한 BSD 라이센스에 속합니다.)