Installation de Sklearn

Pour apprendre Sklearn, l'installation est la première étape. Comme Sklearn dépend de plusieurs autres bibliothèques (telles que NumPy, SciPy et matplotlib), nous devons nous assurer que ces bibliothèques dépendantes sont également installées.

Configuration requise de l'environnement système :

  • Version de Python: scikit-learn prend en charge Python 3.7 et versions ultérieures.
  • Système d'exploitation: scikit-learn peut fonctionner sur les principaux systèmes d'exploitation tels que Windows, macOS et Linux.
  • Outil de gestion des paquets: Vous pouvez utiliserpipoucondapour installer scikit-learn.

Dans ce chapitre, nous utilisons pip pour installer scikit-learn.

Avant l'installation, assurez-vous que Python et pip sont installés.

Vérifiez si Python est installé :

python --version

Vérifiez si pip est installé :

pip --version

Si Python et pip ne sont pas installés, vous pouvez consulter notre :Installation de PythonetInstallation de pip。

Remarque :La dernière version de Python est actuellement livrée avec pip préinstallé.

Remarque :Les versions Python 2.7.9+ ou Python 3.4+ sont livrées avec l'outil pip.

Installer Sklearn

Sklearn est l'abréviation de scikit-learn.

Utilisez pip pour installer la dernière version de scikit-learn :

pip install scikit-learn

Si vous souhaitez installer une version spécifique de scikit-learn, vous pouvez spécifier le numéro de version :

pip install scikit-learn==1.2.0

Vérifier si l'installation a réussi

Après l'installation, nous pouvons vérifier si scikit-learn a été installé avec succès à l'aide du code suivant :

Exemple

import sklearn
print(sklearn.__version__)

Si le numéro de version de scikit-learn s'affiche correctement, semblable à ce qui suit, alors l'installation a réussi :

1.5.2

Installer scikit-learn avec conda

Si vous utilisez l'environnement Anaconda, il est recommandé d'utiliser conda pour installer scikit-learn.

Anaconda est une distribution Python pour le calcul scientifique qui inclut de nombreuses bibliothèques de science des données et d'apprentissage automatique, ce qui la rend pratique pour les développeurs.

Si vous n'êtes pas encore familier avec Anaconda, vous pouvez consulter :Tutoriel Anaconda。

Créer un nouvel environnement conda (facultatif)

Vous pouvez choisir de créer un nouvel environnement virtuel pour scikit-learn afin d'éviter les conflits avec d'autres projets :

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

Installer scikit-learn

Utilisez conda pour installer scikit-learn :

conda install scikit-learn

Si vous souhaitez installer une version spécifique, vous pouvez indiquer le numéro de version :

conda install scikit-learn=1.2.0

Vérifier l'installation

Dans l'environnement conda, vous pouvez vérifier l'installation à l'aide du shell Python ou de Jupyter Notebook :

Exemple

import sklearn
print(sklearn.__version__)

Si le numéro de version de scikit-learn s'affiche correctement, semblable à ce qui suit, alors l'installation a réussi :

1.5.2

Installer d'autres dépendances

scikit-learn dépend de quelques autres bibliothèques, notamment :

  • NumPy: utilisé pour la manipulation des tableaux et le calcul numérique
  • SciPy: fournit des outils de calcul mathématique plus avancés
  • matplotlib(facultatif) : utilisé pour la visualisation de données
  • joblib(facultatif) : utilisé pour la persistance du modèle (sauvegarde et chargement)

Si vous installez avec pip, scikit-learn installera automatiquement ces dépendances, mais si vous souhaitez les installer ou les mettre à jour manuellement, vous pouvez utiliser les commandes suivantes :

pip install numpy scipy matplotlib joblib

Si vous installez avec conda, toutes les bibliothèques dépendantes seront installées automatiquement.

Autres extensions