mlxtend

Mlxtend (machine learning extensions) — это библиотека Python с полезными инструментами для повседневных задач в области data science. Она в основном используется для: - Ансамблевых методов, таких как стекинг и голосующие классификаторы - Методов отбора и извлечения признаков - Утилит визуализации (например, решающих областей, матриц ошибок) - Вспомогательных средств построения графиков для анализа моделей - Поиска частых паттернов, включая алгоритм Apriori для поиска ассоциативных правил Sebastian Raschka 2014-2026 ## Ссылки - **Документация:** [https://rasbt.github.io/mlxtend](https://rasbt.github.io/mlxtend) - PyPI: [https://pypi.python.org/pypi/mlxtend](https://pypi.python.org/pypi/mlxtend) - Список изменений: [https://rasbt.github.io/mlxtend/CHANGELOG](https://rasbt.github.io/mlxtend/CHANGELOG) - Участие в разработке: [https://rasbt.github.io/mlxtend/CONTRIBUTING](https://rasbt.github.io/mlxtend/CONTRIBUTING) - Вопросы? Ознакомьтесь с [доской обсуждений на GitHub](https://github.com/rasbt/mlxtend/discussions) ## Установка mlxtend #### С помощью uv Чтобы добавить mlxtend в проект, управляемый uv, выполните ```bash uv add mlxtend ``` Для разовой команды без изменения текущего проекта выполните ```bash uv run --with mlxtend python -c "import mlxtend; print(mlxtend.__version__)" ``` #### Версия для разработки Версия mlxtend на PyPI может всегда отставать на один шаг; вы можете установить последнюю версию для разработки из репозитория GitHub, выполнив ```bash uv add "mlxtend @ git+https://github.com/rasbt/mlxtend.git" ``` Или вы можете сделать форк репозитория GitHub по адресу https://github.com/rasbt/mlxtend и запускать mlxtend из своей локальной копии следующим образом ```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__)" ``` ## Примеры ```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() ``` Если вы используете mlxtend как часть своего рабочего процесса в научной публикации, пожалуйста, рассмотрите возможность цитирования репозитория mlxtend со следующим 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). ## Лицензия - Этот проект выпущен под разрешительной новой лицензией BSD с открытым исходным кодом ([LICENSE-BSD3.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-BSD3.txt)) и может использоваться в коммерческих целях. Гарантии отсутствуют; в том числе гарантии товарной пригодности или пригодности для конкретной цели. - Кроме того, вы можете использовать, копировать, изменять и распространять все художественные творческие произведения (рисунки и изображения), включённые в этот дистрибутив в соответствующем каталоге, в соответствии с условиями Creative Commons Attribution 4.0 International License. Подробности см. в файле [LICENSE-CC-BY.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-CC-BY.txt). (Созданная компьютером графика, например графики, построенные с помощью matplotlib, подпадает под лицензию BSD, упомянутую выше). ## Контакты Лучший способ задать вопросы — через [канал обсуждений на GitHub](https://github.com/rasbt/mlxtend/discussions). Если вы столкнётесь с ошибками использования, пожалуйста, не стесняйтесь напрямую использовать [трекер задач GitHub](https://github.com/rasbt/mlxtend/issues).