安装 scikit-learn#
有不同的方法可以安装 scikit-learn
安装最新的官方版本. 对于大多数用户来说，这是最好的方法。 它将提供一个稳定的版本，并且大多数平台都提供预构建的软件包。
安装由您的 操作系统或 Python 发行版 提供的 scikit-learn 版本。 对于那些拥有分发 scikit-learn 的操作系统或 Python 发行版的用户来说，这是一个快速的选择。 它可能无法提供最新的版本。
从源代码构建软件包. 这最适合想要最新功能并且不害怕运行全新代码的用户。 这也是希望为项目做出贡献的用户所需要的。
安装最新版本#
安装 Python 3 的 64 位版本，例如从 官方网站 安装。
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，以避免与其他软件包发生潜在冲突。
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 homebrew (brew install python) 或从 官方网站 手动安装软件包来安装 Python 3。
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，以避免与其他软件包发生潜在冲突。
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()"
Python 3 通常默认安装在大多数 Linux 发行版上。 要检查是否已安装，请尝试
python3 --version
pip3 --version
如果您尚未安装 Python 3，请从您的发行版的软件包管理器中安装 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，以避免与其他软件包发生潜在冲突。
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 Anaconda 或 miniconda 安装程序 或 miniforge 安装程序（所有这些都不需要管理员权限）安装 conda。 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()"
使用隔离的环境（如 pip venv 或 conda）可以独立于任何先前安装的 Python 软件包，使用 pip 或 conda 安装特定版本的 scikit-learn 及其依赖项。 特别是在 Linux 下，不建议将 pip 软件包与发行版软件包管理器（apt、dnf、pacman…）管理的软件包一起安装。
请注意，每次启动新的终端会话时，您都应该始终记住在运行任何 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，请确保使用二进制轮子，并且 NumPy 和 SciPy 不从源代码重新编译，这可能会在使用特定操作系统和硬件配置（例如 Raspberry Pi 上的 Linux）时发生。
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，并且一些示例需要 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 |
1.19.5 |
构建、安装 |
scipy |
1.6.0 |
构建、安装 |
joblib |
1.2.0 |
安装 |
threadpoolctl |
3.1.0 |
安装 |
cython |
3.0.10 |
构建 |
meson-python |
0.16.0 |
构建 |
matplotlib |
3.3.4 |
基准测试、文档、示例、测试 |
scikit-image |
0.17.2 |
文档、示例、测试 |
pandas |
1.1.5 |
基准测试、文档、示例、测试 |
seaborn |
0.9.0 |
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 |
0.2.1 |
测试 |
black |
24.3.0 |
测试 |
mypy |
1.9 |
测试 |
pyamg |
4.0.0 |
测试 |
polars |
0.20.23 |
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 |
0.16.0 |
文档 |
numpydoc |
1.2.0 |
文档、测试 |
Pillow |
7.1.2 |
文档 |
pooch |
1.6.0 |
文档、示例、测试 |
sphinx-prompt |
1.4.0 |
文档 |
sphinxext-opengraph |
0.9.1 |
文档 |
plotly |
5.14.0 |
文档、示例 |
sphinxcontrib-sass |
0.3.4 |
文档 |
sphinx-remove-toctrees |
1.0.0.post1 |
文档 |
sphinx-design |
0.5.0 |
文档 |
pydata-sphinx-theme |
0.15.3 |
文档 |
conda-lock |
2.5.6 |
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 0.23-0.24 需要 Python 3.6 或更高版本。 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 需要 Python 3.9 或更高版本。
scikit-learn 的第三方发行版#
一些第三方发行版提供与它们的软件包管理系统集成的 scikit-learn 版本。
这些可以为用户简化安装和升级，因为集成包括自动安装 scikit-learn 所需的依赖项（numpy、scipy）的能力。
以下是提供其自身版本的 scikit-learn 的操作系统和 python 发行版的非完整列表。
Alpine Linux#
Alpine Linux 的软件包通过 官方存储库 提供，作为 Python 的 py3-scikit-learn。 它可以通过键入以下命令来安装
sudo apk add py3-scikit-learn
Arch Linux#
Arch Linux 的软件包通过 官方存储库 提供，作为 Python 的 python-scikit-learn。 它可以通过键入以下命令来安装
sudo pacman -S python-scikit-learn
Debian/Ubuntu#
Debian/Ubuntu 软件包分为三个不同的软件包，称为 python3-sklearn（python 模块）、python3-sklearn-lib（低级实现和绑定）、python3-sklearn-doc（文档）。 请注意，scikit-learn 需要 Python 3，因此需要使用 python3- 后缀的软件包名称。 软件包可以使用 apt-get 安装
sudo apt-get install python3-sklearn python3-sklearn-lib python3-sklearn-doc
Fedora#
Fedora 软件包称为 Python 3 版本的 python3-scikit-learn，这是 Fedora 中唯一可用的版本。 它可以使用 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 OSX 的 MacPorts#
MacPorts 软件包名为 py<XY>-scikits-learn，其中 XY 表示 Python 版本。 它可以通过键入以下命令来安装
sudo port install py39-scikit-learn
适用于所有支持平台的 Anaconda 和 Enthought Deployment Manager#
Anaconda 和 Enthought Deployment Manager 都与 scikit-learn 一起提供，此外还提供大量适用于 Windows、Mac OSX 和 Linux 的科学 Python 库。
Anaconda 在其免费发行版中提供 scikit-learn。
Intel Extension for Scikit-learn#
Intel 维护一个优化的 x86_64 软件包，可在 PyPI（通过 pip）和 main、conda-forge 和 intel conda 通道中获得
conda install scikit-learn-intelex
此软件包具有许多估计器的 Intel 优化版本。 当不存在替代实现时，将使用 scikit-learn 实现作为后备。 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 文档以了解有关使用场景的更多详细信息。 直接导出示例
from sklearnex.neighbors import NearestNeighbors
通过在 intel/scikit-learn-intelex 上报告的自动化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。如果您发现 scikit-learn-intelex 存在任何问题，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 作为附加插件进行分发。
故障排除#
如果您在安装 scikit-learn 时遇到意外故障，可以向 问题跟踪器 提交问题。在此之前，请确保检查以下常见问题。
Windows 上由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），pip 在达到 Windows 的默认路径大小限制时可能会无法安装软件包。
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 注册表中解除该限制。
在 Windows 开始菜单中键入“regedit”以启动
regedit。转到
Computer\HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem键。编辑该键的
LongPathsEnabled属性的值，并将其设置为 1。重新安装 scikit-learn（忽略之前的损坏安装）。
pip install --exists-action=i scikit-learn