问题标签 [mlxtend]

大家好，

我有一个问题我必须立即处理。我安装了 mlxtend 并将该库用于 apriori（市场研究）。在我的第一次尝试中它起作用了，然后第二天我尝试用新数据更新它，但它给出了这个错误ModuleNotFoundError: No module named 'mlxtend'。我到处阅读以找出我的错误在哪里？可悲的是，我找不到它。我将我的 mlxtend 更新到当前版本，但我再次遇到了完全相同的问题。当我尝试安装 mlxtend 时，我得到了它，因为它是预期的"Requirement already compatible"。如果您有任何建议，我将不胜感激并感到高兴？顺便说一句，感谢所有阅读本文的人。

在 mlxtend 中使用 apriori 方法后，与创建的频繁项集相关的事务号不再保留。它们被丢弃。

我怎样才能保留交易编号？

baskets_sets 数据框基本上看起来像这样（这只是一个迷你任意示例，但结构相同）：

然后我应用先验函数

然而，在这个 apriori 函数之后，transaction_doc，即文本来自哪个文档的指示符，从 idx 列中消失。我得到一个带有频繁项集的重置索引列。我希望能够在应用 apriori 函数后保留 transaction_doc 列。

所以我正在使用带有 mlxtend 包的 SVM 执行特征选择。X 是具有特征的数据框，y 是目标变量。这是我的代码的一部分。

代码开始运行，但很快它就冻结在这里：

[Parallel(n_jobs=-1)]：使用后端 LokyBackend 和 8 个并发工作人员。[并行（n_jobs=-1）]：完成 28 个，共 28 个 | 已用：剩余 2.5 秒：0.0 秒 [并行（n_jobs=-1）]：完成 28 个，共 28 个 | 经过：2.5秒完成

[2021-01-24 00:01:57] 特点：1/28 -- 得分：0.6146428161908037[Parallel(n_jobs=-1)]：使用后端 LokyBackend 和 8 个并发工作人员。

使用 rbf 内核时，代码运行良好。如果我通过将forward参数设置为 False来更改函数以执行向后消除，它运行得很好

前进=假，

它运行得很漂亮。使用线性核进行前向选择时似乎会出现冻结问题。这是一个愚蠢的错误还是我错过了一些微不足道的东西？

系统信息：

这是我的代码。

我想画一个 plot_decision_region。但是，当我执行此代码时，我得到了与标题相同的错误。使用 y=y.astype(np.integer) 运行时，我收到诸如 ValueError: invalid literal for int() with base 10: 'depression' 之类的错误。我应该如何解决它？

我使用一个 jupyter notebook 来执行一个 pyton 脚本。该脚本调用 mlxtend 框架中的 association_rules 函数。调用这个函数，内存从原来的 500 MB 爆炸到超过 32 GB。但这不是问题。问题是如果我在我的 Windows 10 PC 上本地执行脚本，内存会最大化，但一切仍在运行。当我在 unix 服务器 (Xfce) 上执行相同操作时，服务器崩溃。我可以做些什么来防止服务器崩溃并保证脚本继续运行？

更新：我基本上错过了windows一直在交换ram的事实，唯一的区别是windows不会崩溃。我很确定这可以通过修复交换配置在 linux 上解决。所以基本上这个问题已经过时了。

更新： 我做了一些错误的假设。Windows PC 已经在交换，交换分区也内存不足。所以在所有机器上都出现了同样的问题并且它们都崩溃了。最后是数据预处理的错误。很抱歉给您带来不便，请将此问题视为不再相关。

我正在尝试将 CNN + 面部地标结合起来进行分类任务 -

图像名称位于文本文件中，例如 -

流程就像 -

1. 使用 pandas 读取文件名
2. 从标签中减去 1，使它们在 keras 的范围内为 0 到 6
3. 使用 renet50 作为基础模型 (layers.trainable = True)
4. 使用 mlxtend 的 extract_face_landmarks 识别人脸和地标 5 将基于 restnet50 的预处理图像和地标保存在各自的数组中，并将它们存储为 npy 文件

下面是代码 -

现在当我运行它时，损失并没有减少，它进一步表明

需要帮助以了解可能出现的问题。我认为与输入有关，但我无法指出它。

我想在我的数据集中使用 mlxtend 库进行关联规则分析。图书馆有一些测量方法，比如提升，但我想要另一种方法，比如卡方和不平衡比率。我该怎么办？我怎样才能用这个库获得这些指标？

我在我的一小部分数据上运行 python 中的 mlxtend 详尽功能选择器，并且在 mlxtend.efs.fit 函数内部的变量执行后，我不断收到 unboundlocal 错误。知道为什么吗？我尝试用数据框替换 Xnp，运行 efs.fit 而不使用功能名称，并将切片 [0:10] 替换为数组。

'UnboundLocalError：分配前引用的局部变量'best_subset''截图

使用 python 3.6 在笔记本中运行 mlxtend

Xnp 是一个 float64 形状 (262, 23076) 数组([[44.34, 0.56, 2.66, ..., 27.9 , 6.74, 7.8 ], [42.77, 0.71, 2.78, ..., 0. , 0. , 0. ], [33.91, 0.57, 1.98, ..., 19.74, 4.02, 4.96], ...,

Y 是一个 float64 形状 (262,) 数组([321898.1367 , 236235.3817 , 97439.51583, 112764.3875 , 139780.3192 , 224775.2867 , 133735.2917 , 161081.9575 , ....

feature_names_num 是一个 int32 数组 (23076,) array([ 0, 1,
2, ..., 23074, 23075, 23076])

我想用 mlxtend 做一个 FeatureSelection ExhaustiveFeatureSelector。我目前的管道很简单：

我还有分类属性，OneHotEncoder()在设置管道之前我已经手动对其进行了编码。

现在我想开始特征选择，但分类属性应该只在实际选择时编码，所以基本上我想要管道中的 OneHotEncoder。但只需这样做：

不工作。如何将编码器添加到管道中，以确保 FeatureSelector 将分类属性作为一个属性处理并且不会选择其中的一部分？

PS：特征选择器的工作方式如下：

当我导入mlxtend.frequent_patterns时，功能fpgrowth并fpmax没有。但是，如果我在 Anaconda Navigator 中使用 Jupyter Notebook，它们就在那里。

有人知道为什么 Colab 不会导入吗？

ImportError
Traceback (last last call last)
in ()
2
3 from mlxtend.preprocessing import TransactionEncoder
----> 4 from mlxtend.frequent_patterns import apriori, fpmax, fpgrowth
5
6

ImportError: cannot import name 'fpmax' from 'mlxtend.frequent_patterns ' (/usr/local/lib/python3.7/dist-packages/mlxtend/frequent_patterns/init .py )