Imagen del Avatar del Producto

Mlxtend

Mostrar desglose de calificaciones
2 reseñas
  • Perfiles de 1
  • Categorías de 1
Calificación promedio de estrellas
3.8
Atendiendo a clientes desde
Filtros de perfil

Todos los Productos y Servicios

Nombre del perfil

Calificación por estrellas

1
0
1
0
0

Mlxtend Reseñas

Filtros de reseñas
Nombre del perfil
Calificación por estrellas
1
0
1
0
0
MT
Meliksah T.
09/20/2019
Revisor validado
Usuario actual verificado
Fuente de la revisión: Campaña G2 Gives
Revisión incentivada
Traducido Usando IA

Una herramienta de aprendizaje automático extendida que contiene herramientas que otros no tienen.

Me encantaron sus herramientas de patrones frecuentes apriori y reglas de asociación porque otras bibliotecas comunes no las tenían en ese entonces y cuando pude encontrarlas en Mlxtend, que era fácil de implementar, me puse muy feliz. También me gustó lo fácil que era crear modelos ensamblados con las herramientas VoteClassifier de Mlxtend, donde pude probar tanto el voto suave como el voto duro para mis problemas de clasificación.
Usuario verificado en Software de Computadora
US
Usuario verificado en Software de Computadora
01/16/2018
Revisor validado
Fuente de la revisión: Invitación de G2
Revisión incentivada
Traducido Usando IA

promedio

como los módulos como parte del flujo de trabajo en una publicación científica

Acerca de

Contacto

Ubicación de la sede:
N/A

Social

¿Qué es Mlxtend?

Mlxtend, short for Machine Learning Extensions, is an open-source Python library designed to complement the core scientific computing libraries, such as NumPy, SciPy, and Scikit-Learn. It provides additional functionality and utilities for conducting machine learning experiments and data science tasks. Created by Sebastian Raschka, the library simplifies tasks including model evaluation, plotting, and feature selection, accessible from its project website http://rasbt.github.io/mlxtend/. Mlxtend is particularly favored for its straightforward API and the practicality of its tools, which are well-suited for both novice users and experienced data scientists looking to extend their toolkit.

Detalles