01_sklearn,安裝sklearn，軟體環境要求，第三方發行版

安裝最新版本

Scikit-learn 要求:

Python(>=3.5)

• Python(>=3.5)
• NumPy(>=1.11.0)
• SciPy(>=0.17.0)

• joblib(>=0.11)

  Scikit-learn繪圖功能(即，函數以“plot_”開頭，需要Matplotlib(>= 1.5.1)。一些scikit-learn示例可能需要一個或多個額外依賴項:scikit-image(>= 0.12.3)、panda(>= 0.18.0)。

警告：Scikit-learn 0.20是支援Python2.7和Python3.4的最後一個版本。Scikit-learn現在需要Python3.5或更新版本。

如果你已經有一個合适的 numpy 和 scipy版本，安裝 scikit-learn 最簡單的方法是使用pip

pip install -U scikit-learn
           

或者 conda

conda install scikit-learn
           

如果您還沒有安裝 NumPy 或 SciPy，還可以使用 conda 或 pip 來安裝它們。 當使用 pip 時，請確定使用了 binary wheels，并且 NumPy 和 SciPy 不會從源重新編譯，這可能在使用作業系統和硬體的特定配置（如 Raspberry Pi 上的 Linux）時發生。 從源代碼建構 numpy 和 scipy 可能是複雜的（特别是在 Windows 上），并且需要仔細配置，以確定它們與線性代數程式的優化實作連結。而是使用如下所述的第三方發行版。

如果您必須安裝 scikit-learn 及其與 pip 的依賴關系，則可以将其安裝為scikit-learn[alldeps]。最常見的用例是requirements.txt用作 PaaS 應用程式或 Docker 映像的自動建構過程的一部分的檔案。此選項不适用于從指令行進行手動安裝。

注意 在PyPy上安裝時，需要注意PyPy3-v5.10+、Numpy 1.14.0+和scipy 1.1.0+。

有關更多發行版的安裝說明，請參閱其他發行版。要從源代碼編譯開發版本，或者體系結構中沒有可用的發行版時建構包，請參閱：進階安裝說明。（https://scikit-learn.org/stable/developers/advanced_installation.html#advanced-installation）

第三方發行版

如果您尚未安裝具有 numpy 和 scipy 的 python 安裝，建議您通過軟體包管理器或通過 python 軟體包進行安裝。 這些與 numpy, scipy, scikit-learn, matplotlib 和許多其他有用的科學和資料處理庫。

可用選項有:

Canopy和Anaconda都運送了最新版本的scikit-learn，另外還有一大批适用于Windows,Mac OSX和Linux的科學python庫。

Anaconda提供scikit-learn作為其免費分支的一部分。

Warning

更新或解除安裝使用 Anaconda 安裝的 scikit-learn，或者conda不應該使用pip指令。代替更新scikit-learn:

conda update scikit-learn
           

解除安裝scikit-learn

conda remove scikit-learn
           

使用pip install -U scikit-learn更新or pip uninstall scikit-learn解除安裝，可能無法正确删除conda指令安裝的檔案。

pip更新和解除安裝操作僅适用于通過pip install安裝的軟體包。