Sklearn-Installation

Um Sklearn zu lernen, ist die Installation der erste Schritt. Da Sklearn von mehreren anderen Bibliotheken abhängt (wie NumPy, SciPy und matplotlib), müssen wir sicherstellen, dass diese abhängigen Bibliotheken ebenfalls installiert sind.

Anforderungen an die Systemumgebung:

  • Python-Version: scikit-learn unterstützt Python 3.7 und höher.
  • Betriebssystem: scikit-learn kann auf wichtigen Betriebssystemen wie Windows, macOS und Linux ausgeführt werden.
  • Paketverwaltungstool: Sie könnenpipodercondaum scikit-learn zu installieren.

In diesem Kapitel verwenden wir pip, um scikit-learn zu installieren.

Stellen Sie vor der Installation sicher, dass Python und pip installiert sind.

Prüfen Sie, ob Python installiert ist:

python --version

Prüfen Sie, ob pip installiert ist:

pip --version

Wenn Python und pip nicht installiert sind, können Sie sich auf unsere:Python-InstallationundPip-Installation beziehen。

Hinweis:Die neueste Python-Version wird derzeit mit vorinstalliertem pip geliefert.

Hinweis:Python 2.7.9+ oder Python 3.4+ Versionen enthalten das pip-Tool.

Sklearn installieren

Sklearn steht für scikit-learn.

Verwenden Sie pip, um die neueste Version von scikit-learn zu installieren:

pip install scikit-learn

Wenn Sie eine bestimmte Version von scikit-learn installieren möchten, können Sie die Versionsnummer angeben:

pip install scikit-learn==1.2.0

Prüfen Sie, ob die Installation erfolgreich war

Nach der Installation können wir mit dem folgenden Code prüfen, ob scikit-learn erfolgreich installiert wurde:

Beispiel

import sklearn
print(sklearn.__version__)

Wenn die Versionsnummer von scikit-learn erfolgreich angezeigt wird, ähnlich wie im Folgenden, dann war die Installation erfolgreich:

1.5.2

Installieren Sie scikit-learn mit conda

Wenn Sie die Anaconda-Umgebung verwenden, wird empfohlen, conda zu verwenden, um scikit-learn zu installieren.

Anaconda ist eine Python-Distribution für wissenschaftliches Rechnen, die viele Data-Science- und Machine-Learning-Bibliotheken enthält und für Entwickler praktisch ist.

Wenn Sie mit Anaconda noch nicht vertraut sind, können Sie sich Folgendes ansehen:Anaconda-Tutorial。

Erstellen Sie eine neue conda-Umgebung (optional)

Sie können eine neue virtuelle Umgebung für scikit-learn erstellen, um Konflikte mit anderen Projekten zu vermeiden:

conda create -n sklearn-env python=3.9
conda activate sklearn-env

Installieren Sie scikit-learn

Verwenden Sie conda, um scikit-learn zu installieren:

conda install scikit-learn

Wenn Sie eine bestimmte Version installieren möchten, können Sie die Versionsnummer angeben:

conda install scikit-learn=1.2.0

Installation überprüfen

In der conda-Umgebung können Sie die Installation mit der Python-Shell oder Jupyter Notebook überprüfen:

Beispiel

import sklearn
print(sklearn.__version__)

Wenn die Versionsnummer von scikit-learn erfolgreich angezeigt wird, ähnlich wie im Folgenden, dann war die Installation erfolgreich:

1.5.2

Andere Abhängigkeiten installieren

scikit-learn hängt von einigen anderen Bibliotheken ab, insbesondere:

  • NumPy: wird für die Verarbeitung von Arrays und numerische Berechnungen verwendet
  • SciPy: bietet fortgeschrittenere mathematische Berechnungswerkzeuge
  • matplotlib(optional): wird für die Datenvisualisierung verwendet
  • joblib(optional): wird für die Modellpersistenz (Speichern und Laden) verwendet

Wenn Sie mit pip installieren, installiert scikit-learn diese Abhängigkeiten automatisch, aber wenn Sie sie manuell installieren oder aktualisieren möchten, können Sie die folgenden Befehle verwenden:

pip install numpy scipy matplotlib joblib

Wenn Sie mit conda installieren, werden alle abhängigen Bibliotheken automatisch installiert.

Weitere Erweiterungen