প্রকল্প সম্পর্কে

Mlxtend (মেশিন লার্নিং এক্সটেনশন) হলো দৈনন্দিন ডেটা সায়েন্স কাজের জন্য প্রয়োজনীয় টুলের একটি Python লাইব্রেরি। এটি প্রধানত ব্যবহৃত হয়: - স্ট্যাকিং এবং ভোটিং ক্লাসিফায়ারের মতো এনসেম্বল পদ্ধতি - ফিচার সিলেকশন এবং ফিচার এক্সট্র্যাকশন কৌশল - ভিজ্যুয়ালাইজেশন ইউটিলিটি (যেমন, ডিসিশন রিজিয়ন, কনফিউশন ম্যাট্রিক্স) - মডেল বিশ্লেষণের জন্য প্লটিং হেল্পার - ফ্রিকোয়েন্ট প্যাটার্ন মাইনিং, যার মধ্যে অ্যাসোসিয়েশন রুল মাইনিংয়ের জন্য Apriori অ্যালগরিদম রয়েছে Sebastian Raschka 2014-2026 ## লিংক - **ডকুমেন্টেশন:** [https://rasbt.github.io/mlxtend](https://rasbt.github.io/mlxtend) - PyPI: [https://pypi.python.org/pypi/mlxtend](https://pypi.python.org/pypi/mlxtend) - Changelog: [https://rasbt.github.io/mlxtend/CHANGELOG](https://rasbt.github.io/mlxtend/CHANGELOG) - Contributing: [https://rasbt.github.io/mlxtend/CONTRIBUTING](https://rasbt.github.io/mlxtend/CONTRIBUTING) - প্রশ্ন আছে? [GitHub Discussions board](https://github.com/rasbt/mlxtend/discussions) দেখুন ## mlxtend ইনস্টল করা #### uv ব্যবহার করে uv-পরিচালিত প্রজেক্টে mlxtend যোগ করতে, চালান ```bash uv add mlxtend ``` আপনার বর্তমান প্রজেক্ট পরিবর্তন না করে একবারের জন্য কমান্ড চালাতে, চালান ```bash uv run --with mlxtend python -c "import mlxtend; print(mlxtend.__version__)" ``` #### Dev ভার্সন PyPI-তে mlxtend ভার্সন সবসময় এক ধাপ পিছিয়ে থাকতে পারে; GitHub রিপোজিটরি থেকে সর্বশেষ ডেভেলপমেন্ট ভার্সন ইনস্টল করতে পারেন ```bash uv add "mlxtend @ git+https://github.com/rasbt/mlxtend.git" ``` অথবা, আপনি https://github.com/rasbt/mlxtend থেকে GitHub রিপোজিটরি ফর্ক করতে পারেন এবং আপনার লোকাল চেকআউট থেকে mlxtend চালাতে পারেন ```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__)" ``` ## উদাহরণ ```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() ``` আপনি যদি কোনো বৈজ্ঞানিক প্রকাশনায় আপনার ওয়ার্কফ্লোর অংশ হিসেবে mlxtend ব্যবহার করেন, তাহলে অনুগ্রহ করে নিম্নলিখিত DOI দিয়ে mlxtend রিপোজিটরি সাইট করার কথা বিবেচনা করুন: ``` @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). ## লাইসেন্স - এই প্রজেক্টটি একটি অনুমতিমূলক নতুন BSD ওপেন সোর্স লাইসেন্সের অধীনে প্রকাশিত ([LICENSE-BSD3.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-BSD3.txt)) এবং বাণিজ্যিকভাবে ব্যবহারযোগ্য। কোনো ওয়ারেন্টি নেই; এমনকি মার্চেন্টেবিলিটি বা নির্দিষ্ট উদ্দেশ্যের জন্য উপযুক্ততার জন্যও নয়। - এছাড়াও, আপনি এই ডিস্ট্রিবিউশনে অন্তর্ভুক্ত সমস্ত শৈল্পিক সৃজনশীল কাজ (ফিগার এবং ছবি) ডিরেক্টরিতে Creative Commons Attribution 4.0 International License-এর শর্তাবলী অনুযায়ী ব্যবহার, কপি, পরিবর্তন এবং পুনর্বিতরণ করতে পারেন। বিস্তারিত জানতে [LICENSE-CC-BY.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-CC-BY.txt) ফাইলটি দেখুন। (matplotlib দ্বারা উৎপাদিত প্লটের মতো কম্পিউটার-জেনারেটেড গ্রাফিক্স উপরে উল্লিখিত BSD লাইসেন্সের অধীনে পড়ে)। ## যোগাযোগ প্রশ্ন জিজ্ঞাসা করার সর্বোত্তম উপায় হলো [GitHub Discussions channel](https://github.com/rasbt/mlxtend/discussions)। আপনি যদি ব্যবহারজনিত বাগের সম্মুখীন হন, তাহলে সরাসরি [GitHub's issue tracker](https://github.com/rasbt/mlxtend/issues) ব্যবহার করতে দ্বিধা করবেন না।