给网站做收录较好的软件,网易企业邮箱怎么登录,国外网站设计网站,营销型网站设计建设今天看到了mlxtend的包#xff0c;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#xff0c;省去了自己造数据或者找数据的处理过程#xff0c;所以决定安装体验一下。依赖环境首先#xff0c;sudo pip install mlxtend 得到基础环境。然后…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import numpy as npimport matplotlib.pyplot as pltimport matplotlib.gridspec as gridspecimport itertoolsfrom sklearn.linear_model import LogisticRegressionfrom sklearn.svm import SVCfrom sklearn.ensemble import RandomForestClassifierfrom mlxtend.classifier import EnsembleVoteClassifierfrom mlxtend.data import iris_datafrom mlxtend.evaluate import plot_decision_regions# Initializing Classifiersclf1 LogisticRegression(random_state0)clf2 RandomForestClassifier(random_state0)clf3 SVC(random_state0, probabilityTrue)eclf EnsembleVoteClassifier(clfs[clf1, clf2, clf3], weights[2, 1, 1], votingsoft)# Loading some example dataX, y iris_data()X X[:,[0, 2]]# Plotting Decision Regionsgs 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], repeat2)):clf.fit(X, y)ax plt.subplot(gs[grd[0], grd[1]])fig plot_decision_regions(XX, yy, clfclf, legend2)plt.title(lab)plt.show()之后就可以来跑一下这个示例代码。matplot结果如图之后就可以开始玩了附linux下python科学计算的经典的包的一个总和的命令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内容希望对大家的学习有所帮助也希望大家多多支持。
