عن المشروع

Mlxtend (امتدادات تعلم الآلة) هي مكتبة بايثون من الأدوات المفيدة لمهام علم البيانات اليومية. تُستخدم بشكل أساسي من أجل: - طرق التجميع مثل مصنفات التكديس والتصويت - تقنيات اختيار الميزات واستخراج الميزات - أدوات التصور (مثل مناطق القرار، ومصفوفات الالتباس) - مساعدات الرسم لتحليل النماذج - تنقيب الأنماط المتكررة، بما في ذلك خوارزمية Apriori لتنقيب قواعد الارتباط Sebastian Raschka 2014-2026 ## الروابط - **التوثيق:** [https://rasbt.github.io/mlxtend](https://rasbt.github.io/mlxtend) - PyPI: [https://pypi.python.org/pypi/mlxtend](https://pypi.python.org/pypi/mlxtend) - سجل التغييرات: [https://rasbt.github.io/mlxtend/CHANGELOG](https://rasbt.github.io/mlxtend/CHANGELOG) - المساهمة: [https://rasbt.github.io/mlxtend/CONTRIBUTING](https://rasbt.github.io/mlxtend/CONTRIBUTING) - هل لديك أسئلة؟ اطلع على [لوحة مناقشات GitHub](https://github.com/rasbt/mlxtend/discussions) ## تثبيت mlxtend #### باستخدام uv لإضافة mlxtend إلى مشروع يديره uv، شغّل ```bash uv add mlxtend ``` لأمر لمرة واحدة دون تغيير مشروعك الحالي، شغّل ```bash uv run --with mlxtend python -c "import mlxtend; print(mlxtend.__version__)" ``` #### نسخة التطوير قد تكون نسخة mlxtend على PyPI متأخرة دائماً بخطوة واحدة؛ يمكنك تثبيت أحدث نسخة تطويرية من مستودع GitHub بتنفيذ ```bash uv add "mlxtend @ git+https://github.com/rasbt/mlxtend.git" ``` أو يمكنك عمل fork لمستودع GitHub من https://github.com/rasbt/mlxtend وتشغيل mlxtend من نسختك المحلية عبر ```bash git clone https://github.com/<your_username>/mlxtend.git cd mlxtend uv sync --group dev uv run python -c "import mlxtend; print(mlxtend.__version__)" ``` ## أمثلة ```python 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() ``` إذا استخدمت mlxtend كجزء من سير عملك في منشور علمي، فيرجى التفكير في الاستشهاد بمستودع mlxtend باستخدام DOI التالي: ``` @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: Providing machine learning and data science utilities and extensions to Python's scientific computing stack. J Open Source Softw 3(24). ## الترخيص - يُصدر هذا المشروع بموجب ترخيص BSD الجديد المتساهل مفتوح المصدر ([LICENSE-BSD3.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-BSD3.txt)) وقابل للاستخدام التجاري. لا يوجد أي ضمان؛ ولا حتى القابلية للتسويق أو الملاءمة لغرض معين. - بالإضافة إلى ذلك، يمكنك استخدام ونسخ وتعديل وإعادة توزيع جميع الأعمال الفنية الإبداعية (الأشكال والصور) المضمنة في هذا التوزيع ضمن الدليل وفقاً للشروط والأحكام الخاصة بترخيص Creative Commons Attribution 4.0 International License. راجع الملف [LICENSE-CC-BY.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-CC-BY.txt) للحصول على التفاصيل. (تندرج الرسومات المولدة حاسوبياً مثل المخططات التي ينتجها matplotlib تحت ترخيص BSD المذكور أعلاه). ## التواصل أفضل طريقة لطرح الأسئلة هي عبر [قناة مناقشات GitHub](https://github.com/rasbt/mlxtend/discussions). في حال واجهت أخطاء في الاستخدام، فيرجى عدم التردد في استخدام [متتبع مشكلات GitHub](https://github.com/rasbt/mlxtend/issues) مباشرة.