mlxtend

Mlxtend (extensiones de aprendizaje automático) es una biblioteca de Python de herramientas útiles para las tareas diarias de ciencia de datos. Se utiliza principalmente para: - Métodos de ensamblado como clasificadores de stacking y voting - Técnicas de selección y extracción de características - Utilidades de visualización (por ejemplo, regiones de decisión, matrices de confusión) - Ayudas de trazado para el análisis de modelos - Minería de patrones frecuentes, incluido el algoritmo Apriori para la minería de reglas de asociación Sebastian Raschka 2014-2026 ## Enlaces - **Documentación:** [https://rasbt.github.io/mlxtend](https://rasbt.github.io/mlxtend) - PyPI: [https://pypi.python.org/pypi/mlxtend](https://pypi.python.org/pypi/mlxtend) - Registro de cambios: [https://rasbt.github.io/mlxtend/CHANGELOG](https://rasbt.github.io/mlxtend/CHANGELOG) - Contribuir: [https://rasbt.github.io/mlxtend/CONTRIBUTING](https://rasbt.github.io/mlxtend/CONTRIBUTING) - ¿Preguntas? Consulta el [tablero de GitHub Discussions](https://github.com/rasbt/mlxtend/discussions) ## Instalación de mlxtend #### Uso de uv Para añadir mlxtend a un proyecto gestionado con uv, ejecuta ```bash uv add mlxtend ``` Para un comando puntual sin cambiar tu proyecto actual, ejecuta ```bash uv run --with mlxtend python -c "import mlxtend; print(mlxtend.__version__)" ``` #### Versión de desarrollo La versión de mlxtend en PyPI puede estar siempre un paso por detrás; puedes instalar la última versión de desarrollo desde el repositorio de GitHub ejecutando ```bash uv add "mlxtend @ git+https://github.com/rasbt/mlxtend.git" ``` O bien, puedes bifurcar el repositorio de GitHub desde https://github.com/rasbt/mlxtend y ejecutar mlxtend desde tu copia local mediante ```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__)" ``` ## Ejemplos ```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 # Inicialización de clasificadores 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') # Carga de algunos datos de ejemplo X, y = iris_data() X = X[:,[0, 2]] # Trazado de regiones de decisión 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() ``` Si utilizas mlxtend como parte de tu flujo de trabajo en una publicación científica, considera citar el repositorio de mlxtend con el siguiente DOI: ``` @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). ## Licencia - Este proyecto se publica bajo una licencia de código abierto BSD nueva permisiva ([LICENSE-BSD3.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-BSD3.txt)) y es comercialmente utilizable. No hay garantía; ni siquiera de comerciabilidad o idoneidad para un propósito particular. - Además, puedes usar, copiar, modificar y redistribuir todas las obras creativas artísticas (figuras e imágenes) incluidas en esta distribución bajo el directorio según los términos y condiciones de la Licencia Internacional Creative Commons Attribution 4.0. Consulta el archivo [LICENSE-CC-BY.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-CC-BY.txt) para más detalles. (Los gráficos generados por computadora, como los trazados producidos por matplotlib, se rigen por la licencia BSD mencionada anteriormente). ## Contacto La mejor manera de hacer preguntas es a través del [canal de GitHub Discussions](https://github.com/rasbt/mlxtend/discussions). En caso de que encuentres errores de uso, no dudes en utilizar directamente el [rastreador de problemas de GitHub](https://github.com/rasbt/mlxtend/issues).