Note
如果你想为这个项目做出贡献,建议你 安装最新的开发版本 .
安装最新版本
Scikit-learn 要求:
- Python (>= 3.5),
- NumPy (>= 1.11.0),
- SciPy (>= 0.17.0),
- joblib (>= 0.11).
Scikit-learn绘图功能(即,函数以“plot_”开头,需要Matplotlib(>= 1.5.1)。一些scikit-learn示例可能需要一个或多个额外依赖项:scikit-image(>= 0.12.3)、panda(>= 0.18.0)。
警告: Scikit-learn 0.20是支持Python 2.7和Python 3.4的最后一个版本。Scikit-learn现在需要Python 3.5或更新版本。
如果你已经有一个合适的 numpy 和 scipy版本,安装 scikit-learn 最简单的方法是使用 pip
pip install -U scikit-learn
或者 conda
:
conda install scikit-learn
如果您还没有安装 NumPy 或 SciPy,还可以使用 conda 或 pip 来安装它们。 当使用 pip 时,请确保使用了 binary wheels,并且 NumPy 和 SciPy 不会从源重新编译,这可能在使用操作系统和硬件的特定配置(如 Raspberry Pi 上的 Linux)时发生。 从源代码构建 numpy 和 scipy 可能是复杂的(特别是在 Windows 上),并且需要仔细配置,以确保它们与线性代数程序的优化实现链接。而是使用如下所述的第三方发行版。
如果您必须安装 scikit-learn 及其与 pip 的依赖关系,则可以将其安装为 scikit-learn[alldeps]
。 最常见的用例是 requirements.txt
用作 PaaS 应用程序或 Docker 映像的自动构建过程的一部分的文件。此选项不适用于从命令行进行手动安装。
注意 在PyPy上安装时,需要注意PyPy3-v5.10+、Numpy 1.14.0+和scipy 1.1.0+。
有关更多发行版的安装说明,请参阅其他发行版。要从源代码编译开发版本,或者在体系结构中没有可用的发行版时构建包,请参阅高级安装说明。
第三方发行版
如果您尚未安装具有 numpy 和 scipy 的 python 安装,建议您通过软件包管理器或通过 python 软件包进行安装。 这些与 numpy, scipy, scikit-learn, matplotlib 和许多其他有用的科学和数据处理库。
可用选项有:
Canopy 和 Anaconda 适用于所有支持的平台
Canopy 和 Anaconda 都运送了最新版本的 scikit-learn,另外还有一大批适用于 Windows,Mac OSX 和 Linux 的科学 python 库。
Anaconda 提供 scikit-learn 作为其免费分发的一部分.
Warning
升级或卸载使用 Anaconda 安装的 scikit-learn,或者 conda
不应该使用 pip 命令。代替:
升级 scikit-learn
:
conda update scikit-learn
卸载 scikit-learn
:
conda remove scikit-learn
使用 pip install -U scikit-learn
升级 or pip uninstall scikit-learn
卸载 可能无法正确删除 conda
命令安装的文件.
pip 升级和卸载操作仅适用于通过 pip install
安装的软件包.
WinPython 适用于 Windows
该 WinPython 项目分布 scikit-learn 作为额外的插件。