mlxtend

<img src="https://yellow-cdn.veclightyear.com/ab5030c0/41d462b1-e805-481b-929a-a20ae3ff4e8d.png" alt="mlxtend标志" width="300px">

Mlxtend（机器学习扩展）是一个Python库，提供日常数据科学任务中有用的工具。

<br>

Sebastian Raschka 2014-2024

<br>

链接

• 文档： https://rasbt.github.io/mlxtend
• PyPI：https://pypi.python.org/pypi/mlxtend
• 更新日志：https://rasbt.github.io/mlxtend/CHANGELOG
• 贡献：https://rasbt.github.io/mlxtend/CONTRIBUTING
• 有问题？查看GitHub讨论板

<br> <br>

安装mlxtend

PyPI

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，进入包目录，然后使用以下命令：

python setup.py install

Conda

如果您使用conda，要安装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；您可以通过执行以下命令从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 fork GitHub存储库，并通过以下方式从本地驱动器安装mlxtend：

python setup.py install

<br> <br>

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

# 初始化分类器
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')

# 加载示例数据
X, y = iris_data()
X = X[:,[0, 2]]

# 绘制决策区域
gs = gridspec.GridSpec(2, 2)
fig = plt.figure(figsize=(10, 8))

for clf, lab, grd in zip([clf1, clf2, clf3, eclf],
                         ['逻辑回归', '随机森林', 'RBF核SVM', '集成'],
                         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科学计算栈提供机器学习和数据科学实用工具和扩展。 J Open Source Softw 3(24)。

---

许可证

• 本项目根据宽松的新BSD开源许可证发布（LICENSE-BSD3.txt），可商业使用。不提供任何保证；甚至不保证适销性或特定用途的适用性。
• 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、修改和重新分发该发行版中包含的所有艺术创作作品（图形和图像）。详情请见LICENSE-CC-BY.txt文件。（由matplotlib生成的计算机生成图形等属于上述BSD许可证）。

联系

提问的最佳方式是通过GitHub讨论频道。如果您遇到使用问题，请直接使用GitHub的问题跟踪器。