01_sklearn,安装sklearn，软件环境要求，第三方发行版

安装最新版本

Scikit-learn 要求:
Python(>=3.5)

Python(>=3.5)
NumPy(>=1.11.0)
SciPy(>=0.17.0)
joblib(>=0.11)
Scikit-learn绘图功能(即，函数以“plot_”开头，需要Matplotlib(>= 1.5.1)。一些scikit-learn示例可能需要一个或多个额外依赖项:scikit-image(>= 0.12.3)、panda(>= 0.18.0)。

警告：Scikit-learn 0.20是支持Python2.7和Python3.4的最后一个版本。Scikit-learn现在需要Python3.5或更新版本。

如果你已经有一个合适的 numpy 和 scipy版本，安装 scikit-learn 最简单的方法是使用pip

pip install -U scikit-learn

或者 conda

conda install scikit-learn

如果您还没有安装 NumPy 或 SciPy，还可以使用 conda 或 pip 来安装它们。当使用 pip 时，请确保使用了 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发行版。

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。

注意在PyPy上安装时，需要注意PyPy3-v5.10+、Numpy 1.14.0+和scipy 1.1.0+。

有关更多发行版的安装说明，请参阅其他发行版。要从源代码编译开发版本，或者体系结构中没有可用的发行版时构建包，请参阅：高级安装说明。（https://scikit-learn.org/stable/developers/advanced_installation.html#advanced-installation）

第三方发行版

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作为其免费分支的一部分。
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:

conda update scikit-learn

卸载scikit-learn

conda remove scikit-learn

使用pip install -U scikit-learn升级or pip uninstall scikit-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pip install安装的软件包。