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 python3python3-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#

AnacondaEnthought 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 mainconda-forgeintel 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。

  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(忽略之前的损坏安装)。

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