中文文档:http://sklearn.apachecn.org/cn/0.19.0/tutorial/basic/tutorial.html
英文文档:http://sklearn.apachecn.org/en/0.19.0/tutorial/basic/tutorial.html
GitHub:https://github.com/apachecn/scikit-learn-doc-zh(觉得不错麻烦给个 Star,我们一直在努力)
贡献者:https://github.com/apachecn/scikit-learn-doc-zh#贡献者
Note
如果你想为这个项目做出贡献,建议你安装最新的开发版本.
Scikit-learn 要求:
Python (>= 2.7 or >= 3.3),
NumPy (>= 1.8.2),
SciPy (>= 0.13.3).
如果你已经有一个安全的 numpy 和 scipy,安装 scikit-learn 的最简单的方法是使用pip
pipinstall-Uscikit-learn
或者conda:
condainstallscikit-learn
如果您还没有安装 NumPy 或 SciPy,还可以使用 conda 或 pip 安装这些。 当使用 pip 时,请确保使用binary wheels,并且 NumPy 和 SciPy 不会从源重新编译,这可能在使用操作系统和硬件的特定配置(如 Raspberry Pi 上的 Linux)时发生。 从源代码构建 numpy 和 scipy 可能是复杂的(特别是在 Windows 上),并且需要仔细配置,以确保它们与线性代数程序的优化实现链接。而是使用如下所述的第三方分发。
如果您必须安装 scikit-learn 及其与 pip 的依赖关系,则可以将其安装为scikit-learn[alldeps]。 最常见的用例是requirements.txt用作 PaaS 应用程序或 Docker 映像的自动构建过程的一部分的文件。此选项不适用于从命令行进行手动安装。
如果您尚未安装具有 numpy 和 scipy 的 python 安装,建议您通过软件包管理器或通过 python 软件包进行安装。 这些与 numpy, scipy, scikit-learn, matplotlib 和许多其他有用的科学和数据处理库。
可用选项有:
Canopy和Anaconda都运送了最新版本的 scikit-learn,另外还有一大批适用于 Windows,Mac OSX 和 Linux 的科学 python 库。
Anaconda 提供 scikit-learn 作为其免费分发的一部分.
Warning
升级或卸载使用 Anaconda 安装的 scikit-learn,或者conda不应该使用 pip 命令。代替:
升级scikit-learn:
condaupdatescikit-learn
卸载scikit-learn:
condaremovescikit-learn
使用pipinstall-Uscikit-learn升级 orpipuninstallscikit-learn卸载 可能无法正确删除conda命令安装的文件.
pip 升级和卸载操作仅适用于通过pipinstall安装的软件包.
该WinPython项目分布 scikit-learn 作为额外的插件。
有关特定操作系统的安装说明或汇编出血边缘版本,请参阅高级安装说明.
中文文档:http://sklearn.apachecn.org/cn/0.19.0/tutorial/basic/tutorial.html
英文文档:http://sklearn.apachecn.org/en/0.19.0/tutorial/basic/tutorial.html
GitHub:https://github.com/apachecn/scikit-learn-doc-zh(觉得不错麻烦给个 Star,我们一直在努力)
贡献者:https://github.com/apachecn/scikit-learn-doc-zh#贡献者
有兴趣的大佬们也可以和我们一起来维护,持续更新中 。。。
机器学习交流群: 629470233
网友评论