安装 scikit-learn#

有多种安装 scikit-learn 的方式

  • 安装最新的正式版本。对于大多数用户来说，这是最好的方法。它将提供一个稳定版本，并且预构建的包适用于大多数平台。

  • 安装由您的操作系统或 Python 发行版提供的 scikit-learn 版本。对于那些操作系统或 Python 发行版分发 scikit-learn 的用户来说，这是一个快速的选择。它可能无法提供最新的发布版本。

  • 安装每夜构建版本。这是尝试将在下一个版本中发布的新功能（即最近合并到主分支的拉取请求中的功能）的最快方法；或者检查您遇到的错误是否已在上次发布后得到修复。

  • 从源代码构建包。这主要适用于希望为项目做出贡献的用户，因为它允许安装项目的可编辑版本。

安装最新版本#

安装 64 位版本的 Python 3，例如从官方网站下载。

现在创建一个虚拟环境 (venv) 并安装 scikit-learn。请注意，虚拟环境是可选的，但强烈建议使用，以避免与其他包发生潜在冲突。

python -m venv sklearn-env
sklearn-env\Scripts\activate  # activate
pip install -U scikit-learn

为了检查您的安装，您可以使用

python -m pip show scikit-learn  # show scikit-learn version and location
python -m pip freeze             # show all installed packages in the environment
python -c "import sklearn; sklearn.show_versions()"

使用 conda-forge 安装程序安装 conda（无需管理员权限）。然后运行

conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env

为了检查您的安装，您可以使用

conda list scikit-learn  # show scikit-learn version and location
conda list               # show all installed packages in the environment
python -c "import sklearn; sklearn.show_versions()"

使用 homebrew (brew install python) 安装 Python 3，或者从官方网站手动安装包。

现在创建一个虚拟环境 (venv) 并安装 scikit-learn。请注意，虚拟环境是可选的，但强烈建议使用，以避免与其他包发生潜在冲突。

python -m venv sklearn-env
source sklearn-env/bin/activate  # activate
pip install -U scikit-learn

为了检查您的安装，您可以使用

python -m pip show scikit-learn  # show scikit-learn version and location
python -m pip freeze             # show all installed packages in the environment
python -c "import sklearn; sklearn.show_versions()"

使用 conda-forge 安装程序安装 conda（无需管理员权限）。然后运行

conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env

为了检查您的安装，您可以使用

conda list scikit-learn  # show scikit-learn version and location
conda list               # show all installed packages in the environment
python -c "import sklearn; sklearn.show_versions()"

Python 3 通常默认安装在大多数 Linux 发行版上。要检查您是否已安装它，请尝试

python3 --version
pip3 --version

如果您没有安装 Python 3，请从您的发行版的包管理器中安装 python3 和 python3-pip。

现在创建一个虚拟环境 (venv) 并安装 scikit-learn。请注意，虚拟环境是可选的，但强烈建议使用，以避免与其他包发生潜在冲突。

python3 -m venv sklearn-env
source sklearn-env/bin/activate  # activate
pip3 install -U scikit-learn

为了检查您的安装，您可以使用

python3 -m pip show scikit-learn  # show scikit-learn version and location
python3 -m pip freeze             # show all installed packages in the environment
python3 -c "import sklearn; sklearn.show_versions()"

使用 conda-forge 安装程序安装 conda（无需管理员权限）。然后运行

conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env

为了检查您的安装，您可以使用

conda list scikit-learn  # show scikit-learn version and location
conda list               # show all installed packages in the environment
python -c "import sklearn; sklearn.show_versions()"

使用像 pip venv 或 conda 这样的隔离环境，可以使用 pip 或 conda 安装特定版本的 scikit-learn 及其依赖项，而不受任何先前安装的 Python 包的影响。特别是在 Linux 下，不鼓励将 pip 包与由发行版包管理器（apt、dnf、pacman...）管理的包一起安装。

请注意，每当您启动新的终端会话时，您都应始终记得在运行任何 Python 命令之前激活您选择的环境。

如果您尚未安装 NumPy 或 SciPy，您也可以使用 conda 或 pip 安装它们。使用 pip 时，请确保使用 *二进制 wheel*，并且 NumPy 和 SciPy 不是从源代码重新编译的，这在使用特定的操作系统和硬件配置（例如 Raspberry Pi 上的 Linux）时可能会发生。

Scikit-learn 的绘图功能（即以 plot_ 开头的函数和以 Display 结尾的类）需要 Matplotlib。示例需要 Matplotlib，某些示例需要 scikit-image、pandas 或 seaborn。下面列出了 scikit-learn 依赖项的最低版本及其用途。

依赖项

最低版本

用途

numpy

1.24.1

构建、安装

scipy

1.10.0

构建、安装

joblib

1.3.0

安装

threadpoolctl

3.2.0

安装

cython

3.1.2

构建

meson-python

0.17.1

构建

matplotlib

3.6.1

基准测试、文档、示例、测试

scikit-image

0.22.0

文档、示例

pandas

1.5.0

基准测试、文档、示例、测试

seaborn

0.13.0

文档、示例

memory_profiler

0.57.0

基准测试、文档

pytest

7.1.2

测试

pytest-cov

2.9.0

测试

ruff

0.11.7

测试

mypy

1.15

测试

pyamg

5.0.0

测试

polars

0.20.30

文档、测试

pyarrow

12.0.0

测试

sphinx

7.3.7

文档

sphinx-copybutton

0.5.2

文档

sphinx-gallery

0.17.1

文档

numpydoc

1.2.0

文档、测试

Pillow

10.1.0

文档

pooch

1.8.0

文档、示例、测试

sphinx-prompt

1.4.0

文档

sphinxext-opengraph

0.9.1

文档

plotly

5.18.0

文档、示例

sphinxcontrib-sass

0.3.4

文档

sphinx-remove-toctrees

1.0.0.post1

文档

sphinx-design

0.6.0

文档

pydata-sphinx-theme

0.15.3

文档

towncrier

24.8.0

文档

conda-lock

3.0.1

维护

警告

Scikit-learn 0.20 是最后一个支持 Python 2.7 和 Python 3.4 的版本。

Scikit-learn 0.21 支持 Python 3.5—3.7。

Scikit-learn 0.22 支持 Python 3.5—3.8。

Scikit-learn 0.23 需要 Python 3.6—3.8。

Scikit-learn 0.24 需要 Python 3.6—3.9。

Scikit-learn 1.0 支持 Python 3.7—3.10。

Scikit-learn 1.1、1.2 和 1.3 支持 Python 3.8—3.12。

Scikit-learn 1.4 和 1.5 支持 Python 3.9—3.12。

Scikit-learn 1.6 支持 Python 3.9—3.13。

Scikit-learn 1.7 需要 Python 3.10 或更新版本。

Scikit-learn 的第三方发行版#

一些第三方发行版提供了与其包管理系统集成的 scikit-learn 版本。

这可以使用户的安装和升级变得更加容易，因为集成包括自动安装 scikit-learn 所需的依赖项（numpy、scipy）的能力。

以下是提供自己的 scikit-learn 版本的操作系统和 python 发行版的不完整列表。

Alpine Linux#

Alpine Linux 的包通过官方仓库提供，名称为 py3-scikit-learn，适用于 Python。可以通过键入以下命令安装

sudo apk add py3-scikit-learn

Arch Linux#

Arch Linux 的包通过官方仓库提供，名称为 python-scikit-learn，适用于 Python。可以通过键入以下命令安装

sudo pacman -S python-scikit-learn

Debian/Ubuntu#

Debian/Ubuntu 包分为三个不同的包，分别称为 python3-sklearn（python 模块）、python3-sklearn-lib（低级实现和绑定）、python-sklearn-doc（文档）。请注意，scikit-learn 需要 Python 3，因此需要使用带有 python3- 后缀的包名。可以使用 apt-get 安装包

sudo apt-get install python3-sklearn python3-sklearn-lib python-sklearn-doc

Fedora#

Fedora 包的 Python 3 版本名为 python3-scikit-learn，这是 Fedora 中唯一可用的版本。可以使用 dnf 安装

sudo dnf install python3-scikit-learn

NetBSD#

scikit-learn 可通过 pkgsrc-wip 获得：https://pkgsrc.se/math/py-scikit-learn

Mac OS X 的 MacPorts#

MacPorts 包名为 py<XY>-scikit-learn，其中 XY 表示 Python 版本。可以通过键入以下命令安装

sudo port install py312-scikit-learn

适用于所有支持平台的 Anaconda 和 Enthought Deployment Manager#

Anaconda 和 Enthought Deployment Manager 都附带 scikit-learn 以及适用于 Windows、Mac OS X 和 Linux 的大量科学 python 库。

Anaconda 将 scikit-learn 作为其免费发行版的一部分提供。

Intel Extension for Scikit-learn#

Intel 维护一个优化的 x86_64 包，可通过 PyPI（通过 pip）以及 main、conda-forge 和 intel conda 通道获取

conda install scikit-learn-intelex

此包包含许多估算器的 Intel 优化版本。如果不存在替代实现，则使用 scikit-learn 实现作为回退。这些优化的求解器来自 oneDAL C++ 库，并针对 x86_64 架构进行了优化，并针对多核 Intel CPU 进行了优化。

请注意，这些求解器默认情况下未启用，请参阅 scikit-learn-intelex 文档以获取有关使用场景的更多详细信息。直接导出示例

from sklearnex.neighbors import NearestNeighbors

通过自动持续集成运行完整的 scikit-learn 测试套件来检查与标准 scikit-learn 求解器的兼容性，如 intel/scikit-learn-intelex 上的报告所示。如果您在使用 scikit-learn-intelex 时遇到任何问题，请在他们的 问题跟踪器 上报告问题。

适用于 Windows 的 WinPython#

WinPython 项目将 scikit-learn 作为附加插件分发。

故障排除#

如果在安装 scikit-learn 时遇到意外故障，您可以向问题跟踪器提交问题。在此之前，请务必检查以下常见问题。

Windows 上文件路径长度限制导致的错误#

如果 Python 安装在嵌套位置（例如用户主目录下的 AppData 文件夹结构）中，pip 在达到 Windows 的默认路径大小限制时可能会安装失败，例如

C:\Users\username>C:\Users\username\AppData\Local\Microsoft\WindowsApps\python.exe -m pip install scikit-learn
Collecting scikit-learn
...
Installing collected packages: scikit-learn
ERROR: Could not install packages due to an OSError: [Errno 2] No such file or directory: 'C:\\Users\\username\\AppData\\Local\\Packages\\PythonSoftwareFoundation.Python.3.7_qbz5n2kfra8p0\\LocalCache\\local-packages\\Python37\\site-packages\\sklearn\\datasets\\tests\\data\\openml\\292\\api-v1-json-data-list-data_name-australian-limit-2-data_version-1-status-deactivated.json.gz'

在这种情况下，可以使用 regedit 工具在 Windows 注册表中解除此限制

  1. 在 Windows 开始菜单中键入“regedit”以启动 regedit。

  2. 转到 Computer\HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem 键。

  3. 编辑该键的 LongPathsEnabled 属性的值并将其设置为 1。

  4. 重新安装 scikit-learn（忽略以前损坏的安装）

    pip install --exists-action=i scikit-learn

安装每夜构建版本#

scikit-learn 项目的持续集成服务器每晚为最新 Python 版本构建、测试和上传 wheel 包。

您可以使用 anaconda.org 的 PyPI 注册表中的 scientific-python-nightly-wheels 索引来安装 scikit-learn 的每夜构建版本

pip install --pre --extra-index https://pypi.anaconda.org/scientific-python-nightly-wheels/simple scikit-learn

请注意，可能需要先卸载 scikit-learn 才能安装 scikit-learn 的每夜构建版本。