mlxtend下载 - mlxtend源码下载

mlxtend

Python

v0.23.3

下载

MLXtend 徽标

Mlxtend（机器学习扩展）是一个 Python 库，其中包含用于日常数据科学任务的有用工具。

塞巴斯蒂安·拉斯卡 2014-2024

链接

文档： https://rasbt.github.io/mlxtend
PyPI：https://pypi.python.org/pypi/mlxtend
变更日志：https://rasbt.github.io/mlxtend/CHANGELOG
贡献：https://rasbt.github.io/mlxtend/CONTRIBUTING
问题？查看 GitHub 讨论板

安装 mlxtend

皮伊

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，导航到包中，然后使用以下命令：

python setup.py install

康达

如果你使用 conda，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 分叉 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

# 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 ()

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 的科学计算堆栈提供机器学习和数据科学实用程序和扩展。 J 开源软件 3(24)。

执照

该项目是在宽松的新 BSD 开源许可证 (LICENSE-BSD3.txt) 下发布的，并且可用于商业用途。没有保修；甚至不是为了适销性或适合特定目的。
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、修改和重新分发本分发目录下包含的所有艺术创意作品（图形和图像）。有关详细信息，请参阅文件 LICENSE-CC-BY.txt。（计算机生成的图形，例如由 matplotlib 生成的图，属于上述 BSD 许可证的范围）。