Windows下安装scikit-learn

准备工作

Python (>= 2.6 or >= 3.3),
Numpy (>= 1.6.1)
Scipy (>= 0.9),
Matplotlib（可选）.

NumPy

NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。

Scipy

SciPy是一款方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等.

Matplotlib

matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。

不建议使用pip安装scipy和numpy。

也可以使用第三方的集成开发平台：Anaconda ，已经集成好了所需的库。

下载地址

Python：https://www.python.org/downloads/

Numpy：http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

Scipy：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy

Matplotlib：http://www.lfd.uci.edu/~gohlke/pythonlibs/#matplotlib

scikit-learn：http://www.lfd.uci.edu/~gohlke/pythonlibs/#scikit-learn

本次安装中我选择的是：

python3.5
numpy-1.11.1-cp35-cp35m-win_amd64.whl
scipy-0.18.0-cp35-cp35m-win_amd64.whl
matplotlib-2.0.0b3-cp35-cp35m-win_amd64.whl
scikit_learn-0.17.1-cp35-cp35m-win_amd64.whl

文件名的组成为

库名-库版本号-python版本-平台

例如：

scikit_learn-0.17.1-cp35-cp35m-win_amd64.whl

代表的是

scikit-learn 版本号 0.17.1

cp35 代表 python3.5

win_amd64 代表64位windows系统

安装

首先安装python，下载好的exe文件右键管理员运行安装，记得勾选加入到环境变量。

然后依次安装numpy、scipy和matplotlib。

将下载好的文件放到一个文件夹里，比如 C:src

开始->运行->cmd 打开命令行

cd c:src		#切换目录到src
dir				#列出目录下的文件

检查是否缺少文件，不缺少进行下一步：

pip install .
umpy-1.11.1-cp35-cp35m-win_amd64.whl         #安装numpy

如果正确安装会返回这些信息：

Processing c:src
umpy-1.11.1-cp35-cp35m-win_amd64.whl
Installing collected packages: numpy
Successfully installed numpy-1.11.1+mkl

同样方法安装 scipy 、 matplotlib。

pip install .scipy-0.18.0-cp35-cp35m-win_amd64.whl         #安装scipy
pip install .matplotlib-2.0.0b3-cp35-cp35m-win_amd64.whl         #安装matplotlib

最后安装 scikit-learn

pip install .scikit_learn-0.17.1-cp35-cp35m-win_amd64.whl         #安装scikit-learn

测试

简单的测试以下是否安装成功：

python
>>> from sklearn import datasets
>>> iris = datasets.load_iris()
>>> digits = datasets.load_digits()
>>> print(digits.data)  
[[  0.   0.   5. ...,   0.   0.   0.]
 [  0.   0.   0. ...,  10.   0.   0.]
 [  0.   0.   0. ...,  16.   9.   0.]
 ...,
 [  0.   0.   1. ...,   6.   0.   0.]
 [  0.   0.   2. ...,  12.   0.   0.]
 [  0.   0.  10. ...,  12.   1.   0.]]

>>> digits.target
array([0, 1, 2, ..., 8, 9, 8])