منصوبے کے بارے میں

Mlxtend (مشین لرننگ ایکسٹینشنز) ایک Python لائبریری ہے جو روزمرہ کے ڈیٹا سائنس کے کاموں کے لیے مفید ٹولز فراہم کرتی ہے۔ یہ بنیادی طور پر درج ذیل کے لیے استعمال ہوتی ہے: - Ensemble طریقے جیسے stacking اور voting classifiers - Feature selection اور feature extraction کی تکنیکیں - Visualization utilities (مثلاً decision regions، confusion matrices) - ماڈل تجزیہ کے لیے plotting مددگار - Frequent pattern mining، بشمول Apriori algorithm جو association rule mining کے لیے ہے Sebastian Raschka 2014-2026 ## لنکس - **دستاویزات:** [https://rasbt.github.io/mlxtend](https://rasbt.github.io/mlxtend) - PyPI: [https://pypi.python.org/pypi/mlxtend](https://pypi.python.org/pypi/mlxtend) - تبدیلیوں کی فہرست: [https://rasbt.github.io/mlxtend/CHANGELOG](https://rasbt.github.io/mlxtend/CHANGELOG) - تعاون: [https://rasbt.github.io/mlxtend/CONTRIBUTING](https://rasbt.github.io/mlxtend/CONTRIBUTING) - سوالات؟ [GitHub Discussions بورڈ](https://github.com/rasbt/mlxtend/discussions) دیکھیں ## mlxtend کی تنصیب #### uv کا استعمال کرتے ہوئے uv سے منظم پروجیکٹ میں mlxtend شامل کرنے کے لیے، چلائیں ```bash uv add mlxtend ``` اپنے موجودہ پروجیکٹ کو تبدیل کیے بغیر ایک بار چلانے کے لیے، چلائیں ```bash uv run --with mlxtend python -c "import mlxtend; print(mlxtend.__version__)" ``` #### ڈیولپمنٹ ورژن PyPI پر mlxtend کا ورژن ہمیشہ ایک قدم پیچھے ہو سکتا ہے؛ آپ GitHub ریپوزٹری سے تازہ ترین ڈیولپمنٹ ورژن درج ذیل کمانڈ سے انسٹال کر سکتے ہیں ```bash uv add "mlxtend @ git+https://github.com/rasbt/mlxtend.git" ``` یا، آپ https://github.com/rasbt/mlxtend سے GitHub ریپوزٹری کو fork کر سکتے ہیں اور درج ذیل کے ذریعے اپنی مقامی کاپی سے mlxtend چلا سکتے ہیں ```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__)" ``` ## مثالیں ```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 # کلاسیفائرز کی ابتدا 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') # کچھ مثال ڈیٹا لوڈ کرنا X, y = iris_data() X = X[:,[0, 2]] # Decision Regions پلاٹ کرنا 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() ``` اگر آپ سائنسی اشاعت میں اپنے کام کے حصے کے طور پر mlxtend استعمال کرتے ہیں، تو براہ کرم درج ذیل DOI کے ساتھ mlxtend ریپوزٹری کا حوالہ دینے پر غور کریں: ``` @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). ## لائسنس - یہ پروجیکٹ ایک فراخدلانہ نئے BSD اوپن سورس لائسنس ([LICENSE-BSD3.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-BSD3.txt)) کے تحت جاری کیا گیا ہے اور تجارتی طور پر قابل استعمال ہے۔ کوئی وارنٹی نہیں ہے؛ حتیٰ کہ تجارتی قابلیت یا کسی خاص مقصد کے لیے موزونیت کی بھی نہیں۔ - اس کے علاوہ، آپ اس تقسیم میں شامل تمام فنکارانہ تخلیقی کاموں (اعداد و شمار اور تصاویر) کو ڈائریکٹری کے تحت Creative Commons Attribution 4.0 International License کی شرائط و ضوابط کے مطابق استعمال، نقل، ترمیم اور دوبارہ تقسیم کر سکتے ہیں۔ تفصیلات کے لیے فائل [LICENSE-CC-BY.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-CC-BY.txt) دیکھیں۔ (کمپیوٹر سے تیار کردہ گرافکس جیسے matplotlib کے ذریعے تیار کردہ پلاٹ مذکورہ BSD لائسنس کے تحت آتے ہیں)۔ ## رابطہ سوالات پوچھنے کا بہترین طریقہ [GitHub Discussions چینل](https://github.com/rasbt/mlxtend/discussions) ہے۔ اگر آپ کو استعمال میں خرابیوں کا سامنا ہو تو، براہ کرم براہ راست [GitHub کا مسئلہ ٹریکر](https://github.com/rasbt/mlxtend/issues) استعمال کرنے میں ہچکچاہٹ نہ کریں۔