安装 scikit-learn#
有多种方式可以安装 scikit-learn：
安装最新官方版本 。这是大多数用户最好的选择。它将提供一个稳定的版本，并且大多数平台都有预构建的包。
安装由你的 操作系统或 Python 发行版提供的 scikit-learn 版本 。对于那些使用分发 scikit-learn 的操作系统或 Python 发行版的用户来说，这是一个快速选项。它可能不会提供最新的发布版本。
从源代码构建包 。这对于想要最新功能并且不怕运行全新代码的用户来说是最佳选择。这也适用于希望为项目做出贡献的用户。
安装最新官方版本#
安装 64 位的 Python 3 版本，例如从 官方网站 下载。
现在创建一个 虚拟环境 (venv) 并安装 scikit-learn。注意，虚拟环境是可选的，但强烈推荐，以避免与其他包发生潜在冲突。
python -m venv sklearn-env
sklearn-env\Scripts\activate # 激活
pip install -U scikit-learn
为了检查你的安装，你可以使用：
python -m pip show scikit-learn # 显示 scikit-learn 版本和位置
python -m pip freeze # 显示环境中所有已安装的包
python -c "import sklearn; sklearn.show_versions()"
安装 conda 使用 Anaconda 或 miniconda 安装程序 或
`miniforge 安装程序 <conda-forge/miniforge>`__（这些安装程序都不需要管理员权限）。然后运行：
conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env
为了检查您的安装，您可以使用：
conda list scikit-learn # 显示 scikit-learn 版本和位置
conda list # 显示环境中所有已安装的包
python -c "import sklearn; sklearn.show_versions()"
使用 homebrew 安装 Python 3（ brew install python ）
或者从 官方网站 手动安装包。
现在创建一个 虚拟环境 (venv) 并安装 scikit-learn。 请注意，虚拟环境是可选的，但强烈推荐，以避免与其他包发生潜在冲突。
python -m venv sklearn-env
source sklearn-env/bin/activate # 激活
pip install -U scikit-learn
为了检查您的安装，您可以使用：
python -m pip show scikit-learn # 显示 scikit-learn 版本和位置
python -m pip freeze # 显示环境中所有已安装的包
python -c "import sklearn; sklearn.show_versions()"
安装 conda 使用 Anaconda 或 miniconda 安装程序 或
`miniforge 安装程序 <conda-forge/miniforge>`__（这些安装程序都不需要管理员权限）。然后运行：
conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env
为了检查您的安装，您可以使用：
conda list scikit-learn # 显示 scikit-learn 版本和位置
conda list # 显示环境中所有已安装的包
python -c "import sklearn; sklearn.show_versions()"
Python 3 通常在大多数 Linux 发行版上默认安装。要检查您是否已安装，请尝试：
python3 --version
pip3 --version
如果您没有安装 Python 3，请从您的发行版包管理器安装 python3 和 python3-pip 。
现在创建一个 虚拟环境 (venv) 并安装 scikit-learn。 请注意，虚拟环境是可选的，但强烈推荐，以避免与其他包发生潜在冲突。
python3 -m venv sklearn-env
source sklearn-env/bin/activate # 激活
pip3 install -U scikit-learn
为了检查您的安装，您可以使用：
python3 -m pip show scikit-learn # 显示 scikit-learn 版本和位置
python3 -m pip freeze # 显示环境中所有已安装的包
python3 -c "import sklearn; sklearn.show_versions()"
安装 conda 使用 Anaconda 或 miniconda 安装程序 或
`miniforge 安装程序 <conda-forge/miniforge>`__（这些安装程序都不需要管理员权限）。然后运行：
conda create -n sklearn-env -c conda-forge scikit-learn
conda activate sklearn-env
为了检查您的安装，您可以使用：
conda list scikit-learn # 显示 scikit-learn 版本和位置
conda list # 显示环境中所有已安装的包
python -c "import sklearn; sklearn.show_versions()"
使用独立的虚拟环境如 pip venv 或 conda 可以安装特定版本的 scikit-learn 及其依赖，而不受已安装的 Python 包的影响。特别是在 Linux 上，不建议将 pip 包与发行版包管理器（apt、dnf、pacman…）管理的包一起安装。
请注意，您应该始终记得在每次启动新的终端会话时激活您选择的环境，然后再运行任何 Python 命令。
如果您还没有安装 NumPy 或 SciPy，您也可以使用 conda 或 pip 安装这些包。使用 pip 时，请确保使用 二进制轮子，并且 NumPy 和 SciPy 不会从源代码重新编译，这可能会在特定操作系统和硬件配置（如 Raspberry Pi 上的 Linux）下发生。
Scikit-learn 的绘图功能（即以 plot_ 开头和以 Display 结尾的函数和类）需要 Matplotlib。一些示例需要 Matplotlib、scikit-image、pandas 或 seaborn。scikit-learn 依赖的最小版本及其用途如下所列。
Dependency |
Minimum Version |
Purpose |
|---|---|---|
numpy |
1.19.5 |
build, install |
scipy |
1.6.0 |
build, install |
joblib |
1.2.0 |
install |
threadpoolctl |
3.1.0 |
install |
cython |
3.0.10 |
build |
meson-python |
0.16.0 |
build |
matplotlib |
3.3.4 |
benchmark, docs, examples, tests |
scikit-image |
0.17.2 |
docs, examples, tests |
pandas |
1.1.5 |
benchmark, docs, examples, tests |
seaborn |
0.9.0 |
docs, examples |
memory_profiler |
0.57.0 |
benchmark, docs |
pytest |
7.1.2 |
tests |
pytest-cov |
2.9.0 |
tests |
ruff |
0.2.1 |
tests |
black |
24.3.0 |
tests |
mypy |
1.9 |
tests |
pyamg |
4.0.0 |
tests |
polars |
0.20.23 |
docs, tests |
pyarrow |
12.0.0 |
tests |
sphinx |
7.3.7 |
docs |
sphinx-copybutton |
0.5.2 |
docs |
sphinx-gallery |
0.16.0 |
docs |
numpydoc |
1.2.0 |
docs, tests |
Pillow |
7.1.2 |
docs |
pooch |
1.6.0 |
docs, examples, tests |
sphinx-prompt |
1.4.0 |
docs |
sphinxext-opengraph |
0.9.1 |
docs |
plotly |
5.14.0 |
docs, examples |
sphinxcontrib-sass |
0.3.4 |
docs |
sphinx-remove-toctrees |
1.0.0.post1 |
docs |
sphinx-design |
0.5.0 |
docs |
pydata-sphinx-theme |
0.15.3 |
docs |
conda-lock |
2.5.6 |
maintenance |
Warning
Scikit-learn 0.20 是支持 Python 2.7 和 Python 3.4 的最后一个版本。 Scikit-learn 0.21 支持 Python 3.5-3.7。 Scikit-learn 0.22 支持 Python 3.5-3.8。 Scikit-learn 0.23-0.24 需要 Python 3.6 或更高版本。 Scikit-learn 1.0 支持 Python 3.7-3.10。 Scikit-learn 1.1、1.2 和 1.3 支持 Python 3.8-3.12。 Scikit-learn 1.4 需要 Python 3.9 或更高版本。
第三方分发的 scikit-learn#
一些第三方分发版提供了与它们的包管理系统集成的 scikit-learn 版本。
这些分发版可以简化用户的安装和升级过程，因为集成包括了自动安装 scikit-learn 所需的依赖项（numpy、scipy）的能力。
以下是提供自己的 scikit-learn 版本的 OS 和 Python 分发版的不完全列表。
Alpine Linux#
Alpine Linux 的包通过 官方仓库 提供，名为 py3-scikit-learn 用于 Python。可以通过输入以下命令来安装：
sudo apk add py3-scikit-learn
Arch Linux#
Arch Linux 的包通过 官方仓库 提供，名为 python-scikit-learn 用于 Python。可以通过输入以下命令来安装：
sudo pacman -S python-scikit-learn
Debian/Ubuntu#
Debian/Ubuntu 的包分为三个不同的包，分别名为 python3-sklearn （Python 模块）、 python3-sklearn-lib （低级实现和绑定）、 python3-sklearn-doc （文档）。注意，scikit-learn 需要 Python 3，因此需要使用带有 python3- 前缀的包名。可以使用 apt-get 安装这些包：
sudo apt-get install python3-sklearn python3-sklearn-lib python3-sklearn-doc
Fedora#
Fedora 的包名为 python3-scikit-learn ，适用于 Python 3 版本，这是 Fedora 中唯一可用的版本。可以使用 dnf 安装：
sudo dnf install python3-scikit-learn
NetBSD#
scikit-learn 可以通过 pkgsrc-wip 获取： https://pkgsrc.se/math/py-scikit-learn
MacPorts for Mac OSX#
MacPorts 包的名称是 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：
sudo port install py39-scikit-learn
Anaconda 和 Enthought Deployment Manager 适用于所有支持的平台#
都提供了 scikit-learn，以及大量适用于 Windows、Mac OSX 和 Linux 的科学 Python 库。
Anaconda 在其免费发行版中提供了 scikit-learn。
Intel Extension for Scikit-learn#
Intel 维护了一个针对 x86_64 架构优化的包，可通过 pip 在 PyPI 中获取，以及在 main 、 conda-forge 和 intel conda 渠道中获取：
conda install scikit-learn-intelex
这个包包含了许多估计器的 Intel 优化版本。每当没有替代实现时，scikit-learn 实现将作为后备。这些优化的求解器来自 oneDAL C++ 库，针对 x86_64 架构进行了优化，并且针对多核 Intel CPU 进行了优化。
请注意，这些求解器默认情况下未启用，请参阅 scikit-learn-intelex 文档以获取更多使用场景的详细信息。直接导出示例：
from sklearnex.neighbors import NearestNeighbors
通过自动化持续集成运行完整的 scikit-learn 测试套件来检查与标准 scikit-learn 求解器的兼容性，报告在 intel/scikit-learn-intelex。如果您在使用 scikit-learn-intelex 时遇到任何问题，请在他们的 issue tracker 上报告问题。
WinPython for Windows#
WinPython 项目将 scikit-learn 作为附加插件分发。
故障排除#
如果在安装 scikit-learn 时遇到意外失败，您可以将问题提交到 issue tracker 。在此之前，请确保检查以下常见问题。
Windows 上文件路径长度限制导致的错误#
如果 Python 安装在嵌套位置（例如用户主目录下的 AppData 文件夹结构），当达到 Windows 的默认路径大小限制时，pip 可能无法安装包，例如：
C:Usersusername>C:UsersusernameAppDataLocalMicrosoftWindowsAppspython.exe -m pip install scikit-learn Collecting scikit-learn … Installing collected packages: scikit-learn ERROR: Could not install packages due to an OSError: [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，可以通过使用 regedit 工具在 Windows 注册表中解除该限制：
在 Windows 开始菜单中输入 “regedit” 以启动
regedit。转到
Computer\HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem键。编辑该键的
LongPathsEnabled属性的值并将其设置为 1。重新安装 scikit-learn（忽略之前的损坏安装）：
pip install --exists-action=i scikit-learn