2026 Best Software Awards are here!See the list
Image de l'avatar du produit

Mlxtend

Afficher le détail des notes
2 avis
  • 1 profils
  • 1 catégories
Note moyenne des étoiles
3.8
Au service des clients depuis
Filtres de profil

Tous les produits et services

Nom du profil

Évaluation par étoiles

1
0
1
0
0

Mlxtend Avis

Filtres d'avis
Nom du profil
Évaluation par étoiles
1
0
1
0
0
MT
Meliksah T.
09/20/2019
Évaluateur validé
Utilisateur actuel vérifié
Source de l'avis : Campagne G2 Gives
Avis incitatif
Traduit à l'aide de l'IA

Un outil d'apprentissage automatique étendu qui contient des outils que les autres n'ont pas.

J'ai adoré ses outils de motifs fréquents apriori et les règles d'association parce que d'autres bibliothèques courantes ne les avaient pas à l'époque et quand j'ai pu les trouver dans Mlxtend, qui était facile à mettre en œuvre, j'étais si heureux. J'ai aussi aimé la facilité avec laquelle il était possible de créer des modèles ensemblés avec les outils VoteClassifier de Mlxtend où j'ai pu tester à la fois le vote souple et le vote dur pour mes problèmes de classification.
Utilisateur vérifié à Logiciels informatiques
UL
Utilisateur vérifié à Logiciels informatiques
01/16/2018
Évaluateur validé
Source de l'avis : Invitation G2
Avis incitatif
Traduit à l'aide de l'IA

moyenne

aimer les modules dans le cadre du flux de travail d'une publication scientifique

À propos

Contact

Siège social :
N/A

Réseaux sociaux

Qu'est-ce que 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.

Détails