机器学习(一)sklearn下载安装遇见的问题及解决合集
安装过程
第一步:pip
pip是Python的包管理工具,一般Python较新的版本都是自带pip的,大家可以用cmd检查一下有没有pip
pip3 --version
或者是
pip list
如果没有pip的话也可以到 PyPI进行下载,这里就不多描述了,根据自身情况选择版本。
下载好以后通过下面的语句安装:
pip.exe
注意!pip的版本也是有一定要求的,大家也可以在cmd里对低版本的pip进行更新:
python -m pip install --upgrade pip
有了pip以后我们就可以进行下一步啦!这部分讲得比较粗略,大家可以看看大佬们的博客,超详细!
第二步:安装Numpy、Scipy、Matplotlib
sklearn有三个依赖库,分别是Numpy、Scipy、Matplotlib,我们可以使用cmd直接安装,或者点击下载,在这里找到并先下载好,建议网速差的朋友们先下载好,不然cmd运行会出错(下面我会讲到)。
cmd直接冲这样(以Numpy为例):
pip install numpy
cmd婉转冲这样:(以Numpy为例,选择合适的版本,下面是我选的版本)
numpy-1.19.4-cp38-cp38-win_amd64.whl
剩下的俩也是这么个步骤,在同一个网站里,大家可以找到,安装完以后大家可以通过下面方法检查安装有没有成功:
pip list
一定要安装好三个包以后再进行下一步噢!接下来就是安装sklearn啦!
第三步:安装scikit-learn
和上面安装numpy一样,可以直接使用下面的语句安装:
pip install sklearn
也可以先下载,然后使用以下语句:
pip install joblib-0.17.0-py3-none-any.whl
pip install scikit_learn-0.23.2-cp38-cp38-win_amd64.whl
这里需要注意的是,如果要自己先下载的话,还需要下载joblib(网速好的话完全没必要搞这么复杂,最后我换校园网很快就下完啦)。
看到successfully就说明下载成功啦,大家也可以检查一下,我们直接运行试一下:
python
from numpy import *
import operator
random.rand(4,4)
检查一下有没有缺什么包:
在这里我们主要测试了一下numpy,但sklearn也是可以用的(如果不能用的话会有报错,后面会提到)。
安装完成!
遇见的错误
安装的过程显然没有那么简单!!!为了跟上数据挖掘和数据仓库的课程,成功使用上sklearn,还是颇费了我一番功夫!因为我几乎每!一!步!都遇见了错误,下面我们一起来看看这些错误以及解决方法:
错误一:超时
因为下载这些包奇慢,所以直接用命令行下载的我经历了无数次“满江红”rt(我顺便截了个图当桌面,相当迷惑
这种问题的解决方法就是:自行下好包,就用上面说的方法二安装!或者换个网,当然也可以使用镜像,据说下载会很快(还没试过
错误二:安装好了用不了之找不到指定模块
奇妙错误二:安装成功但是一使用就出错???找不到指定的模块,这是咋回事???
在这里我尝试了很多种解决办法,感谢csdn的大佬们!我全试了一遍!
方案一:据说还需要安装mkl包,马不停蹄安装!看见了一篇博客上有写到,重装sklearn还是不能用,安装好mkl以后就Ok了,大家可以先试一下(但我安装后还是不能使用,sklearn没有对mkl的依赖,但是安装本身是一种玄学
方案二:重装!重装是笨办法 但偶尔确实有效!
pip install --user --ignore-installed scikit-learn
到这一步我依然无法成功导入,可能这就是天意吧,我郁闷了一下午。
方案三:在学习编程伊始,老师常说,要学会面向搜索引擎!好家伙,浏览了csdn上好多好多博客,最后,我把目光聚集在了环境变量上!这里大家可以搜索一下环境变量怎么配置阿,但很显然,我又又又失败!但我觉得,离真相已经很近了!
方案四:我已经越挫越勇了!美女直觉之:一定是环境的问题!这里我打开了pycharm的设置查看:
就是在这里!Project Interpreter! 我居然有两个解释器,改完这个就好啦!成功安装使用!!!
悄咪咪告诉大家,在pycharm里也可以对这些包进行升级噢!点击那个小三角就可以升级到新版本啦!
这次下载安装的方法、问题以及解决方案的合集就在这里啦 欢迎大家找我交流!同时感谢前辈们留下的珍贵资料!
本文地址:https://blog.csdn.net/weixin_45885603/article/details/110926621
上一篇: 《机器学习》课后习题——第三章 线性模型
下一篇: 电商用户购买行为预测-排名48-0.23