问题标签 [mlxtend]

我尝试使用 mlxtend 执行一些任务，然后收到错误消息

我检查了有类似问题的线程，似乎没有一个可以解决我自己的情况。

我尝试使用以下代码从 anaconda 提示符安装：

• conda install mlxtend
• conda install mlxtend --channel conda-forge

但是这些代码似乎都不适合我。

我期望一个成功的下载报告，但我得到了以下内容：

我在 Ubuntu 16.04 上使用 Python 3.5.2。

我已经安装了 sklearn 使用..

sudo apt install python-sklearn

和 mlxtend 使用...

sudo pip3 install mlxtend

我正在尝试运行在 Internet 上找到的基本 Iris 示例，但是当我尝试plot_decision_regions从以下位置导入时出现错误mlxtend.plotting：

我从 mlxtend.plotting 导入 plot_decision_regions 时遇到问题。

我已经正确安装了 mlxtend，我可以在 python3 中毫无问题地导入它。

从 mlxtend.plotting 导入 plot_decision_regions Traceback（最近一次调用最后）：文件“”，第 1 行，在文件“/home/marianna/.local/lib/python3.5/site-packages/mlxtend/plotting/init .py ”中，第 15 行，从 .heatmap 导入热图文件“/home/marianna/.local/lib/python3.5/site-packages/mlxtend/plotting/heatmap.py”，第 74 行引发 AssertionError(f'len(row_names) (得到 {len(row_names)})' ^ SyntaxError: 无效语法

我试图重现这篇文章中的例子，它产生了这个数字。

上面的彩色区域由mlxtend.plotting（版本'0.14.0'）绘制。

使用 colab 上的默认设置，此代码

产生这个数字。

数据点已绘制，而底部区域尚未绘制。

是否可以使用 设置底部区域的颜色mlxtend.plotting？

我正在尝试在 iris 数据集上使用 scikit-learn svc 模型。我需要使用四个特征（萼片长度/宽度、花瓣长度/宽度）和所有三个类（setosa、versicolor、virginica）来训练数据。然后我需要可视化结果，在 2D 图形上只呈现两个特征。我遇到的问题是我的决策边界看起来错误，并且缺少一个样本子集（分类为其中一类的样本）。

我遵循了 mlxtend "plot_decision_regions" 中的示例 7：

http://rasbt.github.io/mlxtend/user_guide/plotting/plot_decision_regions/#example-7-decision-regions-with-more-than-two-training-features

我玩过“值”和“宽度”的值，但没有多大成功。我还尝试将“zoom_factor”更改为较低的值，以检查我的情节是否放大太多。

当我尝试使用所有四个功能时，我只得到没有显示样本的决策边界。具有三个特征，仅显示一组样本，正确分类为 0 类。具有两个特征，它显示所有三组样本，正确分类为三个类别。

我试图在 Spyder IDE 中导入一些模块：

对于上面的两个导入语句，我得到了错误：

"NameError: name 'dispatcher' is not defined"

尝试安装包“调度程序”

我正在尝试使用堆叠执行文本分类。我是 ML 的新手，如果这是一个愚蠢的问题，我深表歉意。我正在尝试在不同的文本特征上训练相同的算法 LogisticRegression 以创建不同的分类器，然后使用元分类器（也是 LogisticRegression）将它们全部加入。我使用的功能是文本中的单词和相应的词性标签。

使用单词作为特征的分类器使用以下管道定义：

lr =LogisticRegression()

使用 POS 作为特征的分类器使用以下管道定义：

最后，元分类器是这样定义的：

当我尝试训练分类器时，问题就来了：

单词和 POS 已安装，但 Stack 分类器未安装，我收到以下错误：

IndexError: only integers, slices (:), ellipsis (...), numpy.newaxis (None) and integer or boolean arrays are valid indices

X_train 包含一个数据框，其中包含一个包含原始文本的列“text”和一个包含原始 POS 标签的列“pos”，这就是我通过管道应用所需转换的原因。

当我尝试使用 StackingClassifier 方法时，我没有这个问题。知道出了什么问题吗？

谢谢！

我想将 Apriori 算法应用于零售数据集（来自零售店的购物篮数据）。它具有以下形式的数据：-

因此，为了使用 Apriori 算法，我需要将 Python 列表形式的数据放入 Numpy 数组中：-

数据集为：

为此，我正在尝试使用事务编码器：-

但我得到了错误： -

我还想将列名作为 0 1 2.... 附加到新形成的数据集，但print(transactionEncoder.columns_)不提供有效列。请告诉可能是什么问题以及在此数据集上应用事务编码器的正确方法是什么...

我想达到这样的结果：

我真的很喜欢这种风格，决策区域的 alpha 有点低，坐标系也有这种风格。

目前我的结果如下所示：

这还不错，但我想更接近角色模型......代码：

所以我对此感到满意，谢谢@Paul

剩下的问题 另一件事：如何绘制这个： 我想到了多个线性决策边界，但我没有找到实现我想要的方法。

我运行了顺序特征选择 (mlxtend) 以找到在 KNN 中使用的最佳（通过 roc_auc 评分）特征。然而，当我选择最好的特征并使用相同的参数通过 sklearn knn 运行它们时，我得到一个非常不同的 roc_auc 值（0.83 对 0.67）。

通读 mlxtend 文档，它使用 sklearn roc_auc 评分，所以我无法弄清楚为什么我会得到如此不同的分数。

扩展

Sklearn 我从一个 sklearn 示例中获取了这个——https: //scikit-learn.org/stable/auto_examples/model_selection/plot_roc_crossval.html

操作系统：10.14.6

Python：3.6.8.final.0

斯克学习：0.21.3

mlxtend：0.17.0