安装 scikit-learn

有多种方法可以安装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。它提供一个稳定的版本和可用于大多数平台的预编译的软件包。
根据操作系统或Python发行版安装scikit-learn版本。对于那些拥有操作系统或发布了scikit-learn的Python发行版的用户来说，这是一个快速的选择。这种方法可能安装不了scikit-learn最新的发行版本。
从源代码构建软件包。对于需要最新和最好的功能并且不怕运行全新代码的用户而言，这是最好的选择。希望为该项目做出贡献的用户也必须要这样做。

安装最新版本

操作系统： Windows macOS Linux

打包器(Packager)： pip conda

使用pip虚拟环境 使用conda环境

首先下载及安装python3:

使用pip packager时：

Windows系统：从 https://www.python.org 下载安装64位的Python 3 版本。
mac系统：使用 homebrew (brew install python)安装Python 3 或从 https://www.Python.org 下载Python 3 软件包并手动安装。
Linux系统：使用Linux发行版的软件包管理器来安装python3和python3-pip

使用conda packager时：

Windows/mac/Linux系统：安装 conda (无需管理员权限).

然后运行以下命令安装 scikit-learn：

# 情况一：使用pip packager时，若使用 pip 虚拟环境，在windows系统中，使用以下三行命令
$ python -m venv sklearn-venv
$ sklearn-venv\Scripts\activate
$ pip install -U scikit-learn
# 情况二：使用pip packager时，若使用 pip 虚拟环境，在mac系统中，使用以下三行命令
$ python -m venv sklearn-venv
$ source sklearn-venv/bin/activate
$ pip install -U scikit-learn
# 情况三：使用pip packager时，若使用 pip 虚拟环境，在Linux系统中，使用以下三行命令
$ python3 -m venv sklearn-venv
$ source sklearn-venv/bin/activate
$ pip install -U scikit-learn
# 情况四：使用pip packager时，若不使用 pip 虚拟环境，在windows/mac系统中，使用以下一行命令
$ pip install -U scikit-learn
# 情况五：使用pip packager时，若不使用 pip 虚拟环境，在Linux系统中，使用以下一行命令
$ pip3 install -U scikit-learn
# 情况六：使用conda packager时，若使用 conda 环境，在windows/mac/Linux系统中，使用以下三行命令
$ conda create -n sklearn-env
$ conda activate sklearn-env
$ conda install scikit-learn
# 情况七：使用conda packager时，若不使用 conda 环境，在windows/mac/Linux系统中，使用以下一行命令
$ conda install scikit-learn

使用以下命令检查您是否安装成功：

# 情况一：使用pip packager时，若使用 pip 虚拟环境，在windows/mac/Linux系统中，使用以下三行命令
$ python -m pip show scikit-learn  # 查看scikit-learn的安装路径和版本
$ python -m pip freeze  # 在激活的环境(virtualenv)中查看python安装的所有包
$ python -c "import sklearn; sklearn.show_versions()"
# 情况二：使用pip packager时，若不使用 pip 虚拟环境，在windows/mac系统中，使用以下三行命令
$ python -m pip show scikit-learn # 查看scikit-learn的安装路径和版本
$ python -m pip freeze # 在激活的环境(virtualenv)中查看python安装的所有包
$ python -c "import sklearn; sklearn.show_versions()"
# 情况三：使用pip packager时，若不使用 pip 虚拟环境，在Linux系统中，使用以下三行命令
$ python3 -m pip show scikit-learn # 查看scikit-learn的安装路径和版本
$ python3 -m pip freeze # 在激活的环境(virtualenv)中查看python安装的所有包
$ python3 -c "import sklearn; sklearn.show_versions()"
# 情况四：使用conda packager时，若使用/不使用 conda 环境，使用以下三行命令
$ conda list scikit-learn # 查看scikit-learn的安装版本
$ conda list # 在激活的环境(conda)中查看python安装的所有包
$ python -c "import sklearn; sklearn.show_versions()"

请注意，为了避免与其他软件包发生潜在的冲突，强烈建议使用虚拟环境，例如python3 virtualenv （请参阅python3 virtualenv文档）或 conda环境。

使用独立的环境可以安装scikit-learn的特定版本及其依赖并且独立于任何以前安装过的Python包。特别对于Linux系统来说，不建议使用系统的软件包管理器（apt，dnf，pacman…）来安装pip包。

请注意，如果您启动一个新的终端会话的话，您都应始终记住在运行任何Python命令之前激活您选择的环境。

如果尚未安装NumPy或SciPy，也可以使用conda或pip来安装它们。使用pip时，请确保使用二进制wheels(binary wheels)*文件进行安装，这样的话不会重新编译NumPy和SciPy的源代码，但当使用操作系统和硬件的特定配置（例如Linux上的Raspberry Pi）时可能会发生重新编译。

如果必须使用pip安装scikit-learn及其依赖的话，则可以将其安装为scikit-learn[alldeps]。

Scikit-learn绘图功能（即，函数以“ plot_”开头，类名以“ Display”结尾）需要Matplotlib（版本> = 1.5.1）。为了运行示例，需要Matplotlib版本> = 1.5.1。一些示例要求scikit-image版本> = 0.12.3，一些示例要求pandas版本> = 0.18.0。

警告：

Scikit-learn 0.20是最后一个支持Python 2.7和Python 3.4的版本。现在的Scikit-learn版本需要安装Python 3.5或更高版本。

注意：

要在PyPy上安装的话，需要PyPy3-v5.10 +，Numpy 1.14.0+和scipy 1.1.0+。

scikit-learn的第三方发行版

一些第三方发行版提供了scikit-learn的版本，这些版本与它们的包管理系统集成在一起。

这样的集成使得用户的安装和升级变得更加容易，因为集成功能包括自动安装scikit-learn所需的依赖（numpy，scipy）。

以下提供一个操作系统(OS)的不完整列表和包含各自scikit-learn版本的python发行版。

Arch Linux

Arch Linux的包是作为Python的 python-scikit-learn由官方仓库所提供的。可以通过输入以下命令来安装它：

$ sudo pacman -S python-scikit-learn

Debian/Ubuntu

Debian / Ubuntu 的软件包分为三个不同的软件包，分别称为 python3-sklearn（python模块），python3-sklearn-lib（底层的实现和绑定），python3-sklearn-doc（文档）。Debian Buster（最新的Debian发行版）中仅提供Python 3版本。可以使用以下命令apt-get来安装软件包：

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

Fedora

Fedora软件包被称为python3-scikit-learn，它是专门为python 3版本所提供的，这是Fedora30中唯一可用的软件包。可以使用命令dnf安装：

$ sudo dnf install python3-scikit-learn

NetBSD

可在pkgsrc-wip下载scikit-learn：

http://pkgsrc.se/math/py-scikit-learn

Mac OSX中的MacPorts

MacPorts软件包的名称为py<XY>-scikits-learn，其中XY表示Python版本。可以通过输入以下命令来安装它：

$ sudo port install py36-scikit-learn

所有支持Canopy 和 Anaconda 的平台

Canopy和Anaconda 除了提供在Windows，Mac OSX和Linux系统上的大量科学计算的python库之外，还提供了最新版本的scikit-learn。

Anaconda的免费发布版提供scikit-learn。

英特尔conda通道

英特尔维护着一个专用的conda通道，该通道可安装scikit-learn：

$ conda install -c intel scikit-learn

此版本的scikit-learn带有供选择的求解器(solvers)来替代一些常见估计器。这些求解器(solvers)来自DAAL C ++库，并针对多核Intel CPU进行了优化。

请注意，默认情况下未启用这些求解器(solvers)，有关更多详细信息，请参阅 daal4py文档。

通过运行https://github.com/IntelPython/daal4py上的自动连续完整的scikit-learn测试套件程序，来检查标准scikit-learn求解器(solvers)的兼容性。

Windows中的WinPython

WinPython项目把scikit-learn作为额外的插件。

故障排除

Windows上的文件路径长度限制引起的错误

如果将Python安装在嵌套路径（例如用户主目录下的AppData文件夹结构）中，当达到Windows默认路径大小的限制时，pip可能无法安装软件包，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 EnvironmentError: [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注册表中取消该限制：

在Windows开始菜单中输入“regedit”以启动regedit。
转到 Computer\HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem
编辑该LongPathsEnabled属性的值并将其设置为1。
重新安装scikit-learn（忽略之前错误的安装）：
```
```cmd
pip install --exists-action=i scikit-learn
```
```