支持#

您可以通过多种渠道与 scikit-learn 开发者联系，以获得帮助、提供反馈或做出贡献。

注意: 所有渠道的交流都应遵守我们的 行为准则。

邮件列表#

用户提问#

如果您有问题，请遵循以下一般流程。

  • Stack Overflow: 部分 scikit-learn 开发者通过使用 [scikit-learn] 标签来支持用户。

  • 一般机器学习问题: 如需更广泛的机器学习讨论，请访问 Stack Exchange。

提问时

  • 请在标题栏使用描述性的问题（例如，不要写“请帮忙解决 scikit-learn 的问题！”，因为这不属于问题）

  • 提供详细的背景信息、预期结果和实际观察。

  • 包含代码和数据片段（最好是精简脚本，最多约 20 行）。

  • 描述您的数据和预处理步骤，包括样本大小、特征类型（分类或数值型）以及监督学习任务的目标（分类类型或回归）。

注意: 请避免在 bug 跟踪器上提出用户问题，以保持其专注于开发。

  • GitHub Discussions 使用方面的问题，例如方法论问题

  • Stack Overflow 编程/用户问题，带有 [scikit-learn] 标签

  • GitHub Bug 跟踪器 Bug 报告 - 请不要在问题跟踪器上提问使用方面的问题。

  • Discord 服务器 当前拉取请求 - 请在您的拉取请求上发布任何与 PR 相关的问题，并且您可以在此服务器上分享您的 PR 链接。

Bug 跟踪器#

遇到 Bug？请在我们的 问题跟踪器 报告。

报告中请包含

  • 重现 Bug 的步骤或脚本。

  • 预期和实际结果。

  • 如果适用，请提供 Python 或 gdb 追溯信息。

  • 理想的 Bug 报告应包含一个 简短可重现的代码片段，这样任何人都可以轻松尝试重现该 Bug。

  • 如果您的代码片段超过大约 50 行，请链接到 gist 或 GitHub 仓库。

提示: Gist 是 Git 仓库；您可以使用 Git 将数据文件推送到它们。

社交媒体#

scikit-learn 在各种社交媒体平台上有存在，以与社区分享更新。这些平台不用于监控用户问题。

Gitter#

注意: scikit-learn Gitter 聊天室不再是一个活跃的社区。如需实时讨论和支持，请参阅本文档中提到的其他渠道。

文档资源#

此文档适用于 1.7.0 版本。其他版本的文档可在此处找到，包括可供离线访问的 zip 存档文件。

我们不再提供 PDF 版文档，但您仍可按照构建文档说明本地生成。包含 PDF 文档的最新版本相当旧，为 0.23.2 版（于 2020 年 8 月发布），但该 PDF 可在此处找到。