支持#
有多种渠道可以与 scikit-learn 开发者联系,以获取帮助、反馈或贡献。
注意:所有渠道的交流都应遵守我们的 行为准则.
邮件列表#
主要邮件列表:加入 scikit-learn 的主要讨论平台,访问 scikit-learn 邮件列表.
提交更新:在 scikit-learn-commits 列表 上了解有关存储库更新和测试失败的信息。
用户问题#
如果您有任何问题,这是我们的常规工作流程。
Stack Overflow:一些 scikit-learn 开发者使用 [scikit-learn] 标签来支持用户。
通用机器学习查询:有关更广泛的机器学习讨论,请访问 Stack Exchange.
发布问题时
请在标题字段中使用描述性的问题(例如,不要使用“请帮助我使用 scikit-learn!”,因为这不是一个问题)。
提供详细的上下文、预期结果和实际观察结果。
包含代码和数据片段(最好是最小化的脚本,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)以及监督学习任务的目标(分类类型或回归)。
注意:避免在错误跟踪器上询问用户问题,以保持对开发的关注。
GitHub 讨论 使用问题,例如方法论
Stack Overflow 使用
[scikit-learn]
标签的编程/用户问题GitHub 错误跟踪器 错误报告 - 请不要在问题跟踪器上询问使用问题。
Discord 服务器 当前拉取请求 - 将任何与 PR 相关的特定问题发布到您的 PR 上,您可以在此服务器上分享您的 PR 链接。
错误跟踪器#
遇到错误了吗?在我们的 问题跟踪器 上报告它。
在您的报告中包含
重现错误的步骤或脚本。
预期和观察到的结果。
如果适用,Python 或 gdb 追踪。
理想的错误报告包含一个 简短的可重现代码片段,这样任何人都可以轻松地尝试重现错误。
如果您的代码片段超过大约 50 行,请链接到 gist 或 github 存储库。
提示:Gists 是 Git 存储库;您可以使用 Git 将数据文件推送到它们。
Gitter#
注意:scikit-learn Gitter 房间不再是一个活跃的社区。有关实时讨论和支持,请参阅本文档中提到的其他渠道。
文档资源#
此文档适用于 1.5.1。在此处查找其他版本的文档 此处.
较旧版本的可打印 PDF 文档可在此处获得 此处。网站不再支持构建 PDF 文档,但您仍然可以按照 构建文档说明 在本地生成它。
社交媒体#
scikit-learn 在各种社交媒体平台上都有存在,以与社区分享更新。这些平台不会监控用户问题。