欢迎来到 mlxtend 的文档！

Mlxtend（机器学习扩展）是一个 Python 库，提供了一系列实用工具，用于日常数据科学任务。

---

链接

• 文档: https://rasbt.github.io/mlxtend
• 源代码仓库: https://github.com/rasbt/mlxtend
• PyPI: https://pypi.python.org/pypi/mlxtend
• 有问题？查看 GitHub 讨论板

---

示例

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

# 初始化分类器
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')

# 加载一些示例数据
X, y = iris_data()
X = X[:,[0, 2]]

# 绘制决策区域

gs = gridspec.GridSpec(2, 2)
fig = plt.figure(figsize=(10, 8))

labels = ['Logistic Regression',
          'Random Forest',
          'RBF kernel SVM',
          'Ensemble']

for clf, lab, grd in zip([clf1, clf2, clf3, eclf],
                         labels,
                         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()

---

如果您在科学出版物中将 mlxtend 作为工作流程的一部分使用，请考虑使用以下 DOI 引用 mlxtend 仓库：

@article{raschkas_2018_mlxtend,
  author       = {Sebastian Raschka},
  title        = {MLxtend: 为 Python 的科学计算栈提供机器学习和数据科学工具及扩展},
  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}
}

许可证

• 本项目以宽松的新 BSD 开源许可证发布（[LICENSE-BSD3.txt](https://github.com/rasbt/mlxtend/blob/master/LICENSE-BSD3.txt）），可商业使用。不提供任何担保；不保证适销性或特定用途的适用性。
• 此外，您可以根据知识共享署名 4.0 国际许可协议的条款和条件，使用、复制、修改和重新分发本发行版中包含的所有艺术创作作品（图表和图像）。详情请参阅文件 LICENSE-CC-BY.txt。（由 matplotlib 生成的图表等计算机生成图形受上述 BSD 许可证约束）。

联系

我最近收到了很多关于 mlxtend 的反馈和问题，我认为建立一个公共沟通渠道是值得的。在您写邮件询问关于 mlxtend 的问题之前，请考虑在这里发布，因为它也可能对其他人有帮助！请加入 Google Groups 邮件列表！

如果 Google Groups 不适合您，请随时给我发 电子邮件，或者考虑在 GitHub 问题跟踪器 上提交新功能请求或错误报告。此外，我为实时讨论设置了一个 Gitter 频道。