Ich liebte die häufigen Musterwerkzeuge Apriori und Assoziationsregeln, weil andere gängige Bibliotheken sie damals nicht hatten, und als ich sie in Mlxtend fand, das einfach zu implementieren war, war ich so glücklich.
Ich mochte auch, wie einfach es war, ensemble Modelle mit den VoteClassifier-Werkzeugen von Mlxtend zu erstellen, wo ich sowohl Soft- als auch Hard-Voting für meine Klassifikationsprobleme testen konnte. Bewertung gesammelt von und auf G2.com gehostet.
Obwohl es keinen großen Vorverarbeitungsaufwand erfordert, bevor man die Apriori- und Assoziationsregel-Funktionen verwendet, erfordert es dennoch etwas. Außerdem wurde das Format in der Dokumentation nicht explizit angegeben, daher habe ich Zeit damit verbracht. Bewertung gesammelt von und auf G2.com gehostet.


