mlxtend

Mlxtend (machine learning extensions) é uma biblioteca Python de ferramentas úteis para as tarefas diárias de ciência de dados. É usada principalmente para: - Métodos de ensemble, como classificadores de stacking e voting - Técnicas de seleção e extração de atributos - Utilitários de visualização (por exemplo, regiões de decisão, matrizes de confusão) - Auxiliares de plotagem para análise de modelos - Mineração de padrões frequentes, incluindo o algoritmo Apriori para mineração de regras de associação Sebastian Raschka 2014-2026 ## Links - **Documentação:** [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) - Dúvidas? Confira o [GitHub Discussions board](https://github.com/rasbt/mlxtend/discussions) ## Instalando o mlxtend #### Usando uv Para adicionar o mlxtend a um projeto gerenciado pelo uv, execute ```bash uv add mlxtend ``` Para um comando pontual sem alterar seu projeto atual, execute ```bash uv run --with mlxtend python -c "import mlxtend; print(mlxtend.__version__)" ``` #### Versão de desenvolvimento A versão do mlxtend no PyPI pode sempre estar um passo atrás; você pode instalar a versão de desenvolvimento mais recente a partir do repositório do GitHub executando ```bash uv add "mlxtend @ git+https://github.com/rasbt/mlxtend.git" ``` Ou você pode fazer um fork do repositório do GitHub em https://github.com/rasbt/mlxtend e executar o mlxtend a partir do seu checkout local 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__)" ``` ## Exemplos ```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() ``` Se você usar o mlxtend como parte do seu fluxo de trabalho em uma publicação científica, considere citar o repositório do mlxtend com o seguinte 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). ## Licença - Este projeto é distribuído sob uma licença de código aberto BSD nova e permissiva ([LICENSE-BSD3.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-BSD3.txt)) e pode ser usado comercialmente. Não há garantia; nem mesmo de comerciabilidade ou adequação a um propósito específico. - Além disso, você pode usar, copiar, modificar e redistribuir todas as obras artísticas criativas (figuras e imagens) incluídas nesta distribuição sob o diretório conforme os termos e condições da Licença Internacional Creative Commons Attribution 4.0. Consulte o arquivo [LICENSE-CC-BY.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-CC-BY.txt) para detalhes. (Gráficos gerados por computador, como os gráficos produzidos pelo matplotlib, estão sob a licença BSD mencionada acima). ## Contato A melhor forma de fazer perguntas é pelo [canal GitHub Discussions](https://github.com/rasbt/mlxtend/discussions). Caso você encontre bugs de uso, não hesite em usar diretamente o [GitHub's issue tracker](https://github.com/rasbt/mlxtend/issues).