python机器学习包mlxtend的安装和配置详解 - CSDN文库

106 浏览量更新于2023-03-16 1 收藏 109KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源推荐

python机器学习包机器学习包mlxtend的安装和配置详解的安装和配置详解

主要介绍了python机器学习包mlxtend的安装和配置详解，文中通过示例代码介绍的非常详细，对大家的学习或

者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

今天看到了mlxtend的包，看了下example集成得非常简洁。还有一个吸引我的地方是自带了一些data直接可以用，省去了自

己造数据或者找数据的处理过程，所以决定安装体验一下。

依赖环境依赖环境

首先，sudo pip install mlxtend 得到基础环境。

然后开始看看系统依赖问题的解决。大致看了下基本都是python科学计算用的那几个经典的包，主要是

numpy,scipy,matplotlib,sklearn这些。

LINUX环境下的话，一般这些都比较好装pip一般都能搞定。

这里要说的一点是matplotlib的话，pip装的时候提示我的几个问题是png和一个叫Freetype的包被需要，但是装的时候又出现

问题。所以matplotlib最后选择用

sudo apt-get install python-matplotlib

直接解决依赖问题。

同样的情况对于scipy也是一样，用

sudo apt-get install python-scipy

解决。

示例代码示例代码

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.evaluate 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', 'Naive Bayes', '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()

之后就可以来跑一下这个示例代码。

matplot结果如图：

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

weixin_38689027

粉丝: 5
资源: 888

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈