mlxtend

Mlxtend (extensions d'apprentissage automatique) est une bibliothèque Python d'outils utiles pour les tâches quotidiennes de science des données. Elle est principalement utilisée pour : - Les méthodes d'ensemble telles que les classificateurs par empilement et par vote - Les techniques de sélection et d'extraction de caractéristiques - Les utilitaires de visualisation (par exemple, régions de décision, matrices de confusion) - Les aides au tracé pour l'analyse de modèles - L'extraction de motifs fréquents, y compris l'algorithme Apriori pour l'extraction de règles d'association Sebastian Raschka 2014-2026 ## Liens - **Documentation :** [https://rasbt.github.io/mlxtend](https://rasbt.github.io/mlxtend) - PyPI : [https://pypi.python.org/pypi/mlxtend](https://pypi.python.org/pypi/mlxtend) - Journal des modifications : [https://rasbt.github.io/mlxtend/CHANGELOG](https://rasbt.github.io/mlxtend/CHANGELOG) - Contribution : [https://rasbt.github.io/mlxtend/CONTRIBUTING](https://rasbt.github.io/mlxtend/CONTRIBUTING) - Des questions ? Consultez le [tableau de discussions GitHub](https://github.com/rasbt/mlxtend/discussions) ## Installation de mlxtend #### Avec uv Pour ajouter mlxtend à un projet géré par uv, exécutez ```bash uv add mlxtend ``` Pour une commande ponctuelle sans modifier votre projet actuel, exécutez ```bash uv run --with mlxtend python -c "import mlxtend; print(mlxtend.__version__)" ``` #### Version de développement La version de mlxtend sur PyPI peut toujours avoir un temps de retard ; vous pouvez installer la dernière version de développement depuis le dépôt GitHub en exécutant ```bash uv add "mlxtend @ git+https://github.com/rasbt/mlxtend.git" ``` Ou, vous pouvez forker le dépôt GitHub depuis https://github.com/rasbt/mlxtend et exécuter mlxtend depuis votre copie locale via ```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__)" ``` ## Exemples ```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 # Initialisation des classificateurs 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') # Chargement de quelques données d'exemple X, y = iris_data() X = X[:,[0, 2]] # Tracé des régions de décision 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 vous utilisez mlxtend dans le cadre de votre travail dans une publication scientifique, veuillez envisager de citer le dépôt mlxtend avec le DOI suivant : ``` @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). ## Licence - Ce projet est publié sous une licence open source BSD nouvelle permissive ([LICENSE-BSD3.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-BSD3.txt)) et utilisable commercialement. Il n'y a aucune garantie ; pas même de qualité marchande ou d'adéquation à un usage particulier. - De plus, vous pouvez utiliser, copier, modifier et redistribuer toutes les œuvres artistiques créatives (figures et images) incluses dans cette distribution sous le répertoire selon les termes et conditions de la licence internationale Creative Commons Attribution 4.0. Voir le fichier [LICENSE-CC-BY.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-CC-BY.txt) pour plus de détails. (Les graphiques générés par ordinateur tels que les tracés produits par matplotlib relèvent de la licence BSD mentionnée ci-dessus). ## Contact La meilleure façon de poser des questions est via le [canal de discussions GitHub](https://github.com/rasbt/mlxtend/discussions). Si vous rencontrez des bugs d'utilisation, n'hésitez pas à utiliser directement le [suivi des problèmes de GitHub](https://github.com/rasbt/mlxtend/issues).