Instalación de Sklearn

Para aprender Sklearn, la instalación es el primer paso. Dado que Sklearn depende de otras bibliotecas (como NumPy, SciPy y matplotlib), debemos asegurarnos de que estas dependencias también estén instaladas.

Requisitos del entorno del sistema:

  • Versión de Python: scikit-learn es compatible con Python 3.7 y versiones posteriores.
  • Sistema operativo: scikit-learn puede ejecutarse en sistemas operativos principales como Windows, macOS y Linux.
  • Herramienta de gestión de paquetes: Puedes usarpipocondapara instalar scikit-learn.

En esta sección usamos pip para instalar scikit-learn.

Antes de instalar, asegúrate de tener Python y pip instalados.

Comprobar si Python está instalado:

python --version

Comprobar si pip está instalado:

pip --version

Si no tienes Python y pip instalados, puedes consultar nuestros:Instalación de PythonyInstalación de Pip。

Nota:Las versiones más recientes de Python ya incluyen pip preinstalado.

Nota:Python 2.7.9+ o Python 3.4+ y versiones superiores incluyen la herramienta pip.

Instalar Sklearn

Sklearn se llama oficialmente scikit-learn.

Usa pip para instalar la última versión de scikit-learn:

pip install scikit-learn

Si deseas instalar una versión específica de scikit-learn, puedes especificar el número de versión:

pip install scikit-learn==1.2.0

Verificar si la instalación fue exitosa

Una vez completada la instalación, podemos comprobar si scikit-learn se instaló correctamente con el siguiente código:

Ejemplo

import sklearn
print(sklearn.__version__)

Si se muestra el número de versión de scikit-learn correctamente, como a continuación, significa que la instalación fue exitosa:

1.5.2

Instalar scikit-learn con conda

Si estás utilizando el entorno Anaconda, se recomienda usar conda para instalar scikit-learn.

Anaconda es una distribución de Python para computación científica que incluye muchas bibliotecas de ciencia de datos y aprendizaje automático, lo que facilita su uso a los desarrolladores.

Si aún no conoces Anaconda, puedes consultar:Tutorial de Anaconda。

Crear un nuevo entorno conda (opcional)

Puedes optar por crear un nuevo entorno virtual para scikit-learn para evitar conflictos con otros proyectos:

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

Instalar scikit-learn

Instalar scikit-learn con conda:

conda install scikit-learn

Si quieres instalar una versión específica, puedes especificar el número de versión:

conda install scikit-learn=1.2.0

Verificar la instalación

En el entorno conda, puedes verificar la instalación mediante el shell de Python o Jupyter Notebook:

Ejemplo

import sklearn
print(sklearn.__version__)

Si se muestra el número de versión de scikit-learn correctamente, como a continuación, significa que la instalación fue exitosa:

1.5.2

Instalar otras dependencias

scikit-learn depende de otras bibliotecas, especialmente:

  • NumPy: se utiliza para el manejo de arreglos y cálculo numérico
  • SciPy: proporciona herramientas de cálculo matemático más avanzadas
  • matplotlib: se utiliza para la visualización de datos
  • joblib: se utiliza para la persistencia de modelos (guardar y cargar)

Si usas pip para instalar, scikit-learn instalará automáticamente estas dependencias, pero si deseas instalarlas o actualizarlas manualmente, puedes usar los siguientes comandos:

pip install numpy scipy matplotlib joblib

Si usas conda para instalar, todas las bibliotecas dependientes se instalarán automáticamente.

Otras extensiones