安裝最新版本

Scikit-learn 要求:
Python(>=3.5)

• Python(>=3.5)
• NumPy(>=1.11.0)
• SciPy(>=0.17.0)
• joblib(>=0.11)
  Scikit-learn繪圖功能(即，函數以“plot_”開頭，需要Matplotlib(>= 1.5.1)。一些scikit-learn示例可能需要一個或多個額外依賴項:scikit-image(>= 0.12.3)、panda(>= 0.18.0)。

警告：Scikit-learn 0.20是支持Python2.7和Python3.4的最后一個版本。Scikit-learn現在需要Python3.5或更新版本。

如果你已經有一個合適的 numpy 和 scipy版本，安裝 scikit-learn 最簡單的方法是使用pip

pip install -U scikit-learn

或者 conda

conda install scikit-learn

如果您還沒有安裝 NumPy 或 SciPy，還可以使用 conda 或 pip 來安裝它們。 當使用 pip 時，請確保使用了 binary wheels，并且 NumPy 和 SciPy 不會從源重新編譯，這可能在使用操作系統和硬件的特定配置（如 Raspberry Pi 上的 Linux）時發生。 從源代碼構建 numpy 和 scipy 可能是復雜的（特別是在 Windows 上），并且需要仔細配置，以確保它們與線性代數程序的優化實現鏈接。而是使用如下所述的第三方發行版。

如果您必須安裝 scikit-learn 及其與 pip 的依賴關系，則可以將其安裝為scikit-learn[alldeps]。最常見的用例是requirements.txt用作 PaaS 應用程序或 Docker 映像的自動構建過程的一部分的文件。此選項不適用于從命令行進行手動安裝。

注意 在PyPy上安裝時，需要注意PyPy3-v5.10+、Numpy 1.14.0+和scipy 1.1.0+。

有關更多發行版的安裝說明，請參閱其他發行版。要從源代碼編譯開發版本，或者體系結構中沒有可用的發行版時構建包，請參閱：高級安裝說明。（https://scikit-learn.org/stable/developers/advanced_installation.html#advanced-installation）

第三方發行版

如果您尚未安裝具有 numpy 和 scipy 的 python 安裝，建議您通過軟件包管理器或通過 python 軟件包進行安裝。 這些與 numpy, scipy, scikit-learn, matplotlib 和許多其他有用的科學和數據處理庫。

可用選項有:
Canopy和Anaconda都運送了最新版本的scikit-learn，另外還有一大批適用于Windows,Mac OSX和Linux的科學python庫。

Anaconda提供scikit-learn作為其免費分支的一部分。
Warning
升級或卸載使用 Anaconda 安裝的 scikit-learn，或者conda不應該使用pip命令。代替升級scikit-learn:

conda update scikit-learn

卸載scikit-learn

conda remove scikit-learn

使用pip install -U scikit-learn升級or pip uninstall scikit-learn卸載，可能無法正確刪除conda命令安裝的文件。

pip升級和卸載操作僅適用于通過pip install安裝的軟件包。

總結

以上是生活随笔為你收集整理的01_sklearn,安装sklearn，软件环境要求，第三方发行版的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。