Início Projetos mlxtend
mlxtend
Python

mlxtend

Uma biblioteca de módulos de extensão e auxiliares para bibliotecas de análise de dados e aprendizado de máquina em Python.

por rasbt · GitHub
Estrelas
Forks
Criado
Último commit
Linguagem
association-rulesdata-miningdata-sciencePython
Ver no GitHub
Em palavras simples

Acesse ferramentas úteis para análise de dados e tarefas de aprendizado de máquina para aprimorar seus projetos em Python.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
mlxtend — GitHub preview card
📈 Histórico de estrelas
5.16k5.15k
2026-07-042026-08-31
📈 Acompanhe mlxtend

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Uma biblioteca de módulos de extensão e auxiliares para bibliotecas de análise de dados e aprendizado de máquina em Python.

mlxtend tem 5.2k estrelas no GitHub. Foi bifurcado 914 vezes. mlxtend é escrito principalmente em Python. Está em desenvolvimento ativo desde 2014. Os seus principais temas são: association-rules, data-mining, data-science, machine-learning.

Frequently asked questions

O que é mlxtend?

Uma biblioteca de módulos de extensão e auxiliares para bibliotecas de análise de dados e aprendizado de máquina em Python.

mlxtend é de código aberto?

mlxtend é um projeto de código aberto.

mlxtend é gratuito?

Sim. mlxtend é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem mlxtend está escrito?

mlxtend é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — mlxtend

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=rasbt-mlxtend)](https://olud.ai/project/rasbt-mlxtend.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.