按说,这个安装应该也不是很困难,但是官方网站的说明在我看来写的实在是有待改进,所以写文一篇,方便以后安装。
背景:
Ubuntu 13.04
python 2 .7. 4(系统预装)
步骤:
官方原文见此链接
1. 安装支持部分:
在terminal里面直接输入以下命令,这个命令会安装sklearn所需要的依赖,主要包括 scipy, numpy一些主流依赖。
[html] view plaincopy在CODE上查看代码片派生到我的代码片
sudo apt-get install build-essential python-dev python-numpy python-setuptools python-scipy libatlas-dev libatlas3-base
1.1 强烈推荐安装(选装):
这个会安装画图依赖包 matplotlib,这个包基本上都会用到,所以就一起装吧。
sudo apt-get install python-matplotlib
2. 安装sklearn
2.1 安装pip, pip是一个给python用的挺不错的安装工具。
sudo apt-get install python-pip
2.2 安装sklearn
pip install -U scikit-learn
好了,done!
作为检验,在terminal里面输入
pip list
这个会列出pip安装的所有东西,如果里面有sklearn这一项,应该就是大功告成了!
分享到:
相关推荐
- **验证安装**: 在Python环境中尝试导入scikit-learn模块并打印版本号,如`import sklearn; print(sklearn.__version__)`。 **2.2 集成开发环境的配置** 为了提高效率,推荐使用集成开发环境(IDE)或Jupyter ...
在学习scikit-learn之前,如果系统是Ubuntu 14.04.1版本,可以按照以下步骤进行安装: 1. 首先安装必要的依赖: ```bash sudo apt-get install build-essential python-dev python-numpy python-setuptools python-...
该代码已在具有Titan X / 1080Ti / Xp GPU的Ubuntu 16.04环境(Python3.6,TensorFlow1.2,scikit-learn 0.19.1,PyMaxflow 1.2.11,CUDA9.0,cuDNN5.1)上进行了测试。 对于K-Means聚类,我们使用sklearn包...
使用scikit-learn在python中进行SVM MNIST数字分类 该项目提出了的众所周知的问题。 出于本教程的目的,我将使用具有原始像素特征的算法。 该解决方案使用易于使用的机器学习库以python编写。 该项目的目标不是达到...
scikit-learn 0.19.1 scipy 1.0.0 sklearn 0.0 tensorflow-gpu 1.4.0 tensorflow-tensorboard 0.4.0rc3 执行文件: 以阿拉伯数字开头的jupyter notebook文件为项目需要执行的文件: 1_img_sp
scikit-learn --user OpenCV: pip install opencv-python 进度: pip install progress 为了重现我们论文中的图,需要以下软件包: 熊猫: pip install pandas Seaborn: pip install seaborn 要在不使用NVIDIA ...
该存储库中的代码主要基于scikit-learn的“ gradient_boosting.py”。 我们从sklearn的分支开始,但是看到它会更方便时分开。 谢谢! =] 先决条件 Python 3.6.5(Ubuntu) sklearn。 版\u672c='0.19.1' 喀拉斯邦。...
$ docker run -it --name ubuntu-python3 --volumes-from pydata resotto/ubuntu-python3:0.0.1 指数 为什么在Docker容器上使用Python? 您不必创建虚拟环境,因为您可以将它们分别作为容器进行处理。 此存储库
sklearn(scikit-learn)是机器学习库,提供了多种监督和无监督学习算法,以及模型选择和预处理工具。在安装sklearn之前,确保numpy和scipy已安装。可以使用以下命令安装: ```bash pip install -U numpy scipy ...
使用Flask Dockerize并将机器学习模型作为REST ... 安装ubuntu,python和git 从git克隆代码回购或将本地python代码移动到容器中的/ app 将WORKDIR设置为/ app 在requirements.xt中安装软件包 露出端口以进行烧瓶定位