Windows下安装scikit-learn

uf123

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 .\numpy-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\numpy-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])