3.1 Sklearn的环境搭建与安装

Sklearn又称为scikit-learn，自2007年首次发布以来，scikit-learn已成为Python最受欢迎的源机器学习库之一。该库提供了机器学习涉及的4个流程中的函数接口——数据预处理、建模、模型校验评估及模型调优；在建模方面提供的机器学习算法涵盖监督学习、无监督学习及半监督学习——其中包括但不限于分类、聚类、回归、降维等算法。

Sklearn并不是作为一个独立的库使用的，其在SciPy及NumPy的基础上做了相应的扩展。其中，NumPy扩展了Python，以支持对大数组和多维矩阵的高效操作；SciPy为科学计算提供模块。

本书中所用到的语言环境是Python 3.6.x，第2章对如何搭建Python3语言环境进行了详细介绍，如果读者有疑问可以参考第2章的相关内容。Sklearn的安装十分简单，可分为在线安装和离线安装。

如果是在线安装，无论使用哪种系统，都可以在命令行界面输入如下命令：

离线安装则稍微复杂一些，可以在Python官方库下载网站https://pypi.org下载Sklearn的.whl安装包，https://pypi.org/project/scikit-learn显示了Sklearn最新版本的库，当然也可以选择历史版本。Sklearn的下载界面如图3-1所示。

此外，还需要注意的是，Sklearn存在依赖库，以Sklearn-0.19.2为例，其依赖库主要包括以下几种。

·Python（2.x版本号不低于2.7，3.x版本号不低于3.3）。

·NumPy（版本号不低于1.8.2）。

·SciPy（版本号不低于0.13.3）。

需要先行安装这些依赖环境或者依赖库，然后才能继续安装Sklearn。下载安装包到本地，以安装Sklearn包为例，在本地执行如下命令：

也可以先安装Anaconda，在本地执行如下命令：

安装完成之后，进入Python控制台，输入如下命令，如果没有报错则说明安装成功：