python機器學習包mlxtend的安裝和配置詳解
今天看到了mlxtend的包,看了下example集成得非常簡潔。還有一個吸引我的地方是自帶了一些data直接可以用,省去了自己造數(shù)據(jù)或者找數(shù)據(jù)的處理過程,所以決定安裝體驗一下。
依賴環(huán)境
首先,sudo pip install mlxtend 得到基礎環(huán)境。
然后開始看看系統(tǒng)依賴問題的解決。大致看了下基本都是python科學計算用的那幾個經(jīng)典的包,主要是numpy,scipy,matplotlib,sklearn這些。
LINUX環(huán)境下的話,一般這些都比較好裝pip一般都能搞定。
這里要說的一點是matplotlib的話,pip裝的時候提示我的幾個問題是png和一個叫Freetype的包被需要,但是裝的時候又出現(xiàn)問題。所以matplotlib最后選擇用
sudo apt-get install python-matplotlib
直接解決依賴問題。
同樣的情況對于scipy也是一樣,用
sudo apt-get install python-scipy
解決。
示例代碼
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()
之后就可以來跑一下這個示例代碼。
matplot結(jié)果如圖:
之后就可以開始玩了~!
附:linux下python科學計算的經(jīng)典的包的一個總和的命令:
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
- 盤點20個Python數(shù)據(jù)科學庫神器打造數(shù)據(jù)魔法世界
- Python?Prometheus接口揭秘數(shù)據(jù)科學新技巧
- python?lazypredict構(gòu)建大量基本模型簡化機器學習
- Python梯度提升庫XGBoost解決機器學習問題使用探究
- Python機器學習特征重要性分析的8個常用方法實例探究
- python taipy庫輕松地將數(shù)據(jù)和機器學習模型轉(zhuǎn)為功能性Web應用
- Python BentoML構(gòu)建部署和管理機器學習模型技巧掌握
- Python mlxtend庫數(shù)據(jù)科學和機器學習補充工具功能探索
相關(guān)文章
PyQt5實現(xiàn)將Matplotlib圖像嵌入到Scoll Area中顯示滾動條效果
我想知道是否有一種方法可以在matplotlib上顯示滾動條(水平或垂直),顯示包含多個子槽(sublot2grid)的頁面(plt.show).下面就通過本文給大家分享PyQt5實現(xiàn)將Matplotlib圖像嵌入到Scoll Area中顯示滾動條效果,對PyQt5 Matplotlib圖像嵌入相關(guān)知識感興趣的的朋友一起看看吧2021-05-05python 實現(xiàn)GUI(圖形用戶界面)編程詳解
今天小編就為大家分享一篇python 實現(xiàn)GUI(圖形用戶界面)編程詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07利用Python批量壓縮png方法實例(支持過濾個別文件與文件夾)
這篇文章主要給大家介紹了關(guān)于利用Python批量壓縮png的相關(guān)資料,文中介紹的方法支持過濾個別文件與文件夾,文中通過示例代碼介紹的非常詳細,需要的朋友們下面跟著小編來一起看看吧。2017-07-07Python Django獲取URL中的數(shù)據(jù)詳解
這篇文章主要介紹了Python Django獲取URL中的數(shù)據(jù)詳解,小編覺得挺不錯的,這里分享給大家,供需要的朋友參考2021-11-11python基于Pandas讀寫MySQL數(shù)據(jù)庫
這篇文章主要介紹了python基于Pandas讀寫MySQL數(shù)據(jù)庫,幫助大家更好的理解和學習使用python,感興趣的朋友可以了解下2021-04-04