在win10上安装sklearn环境

步骤:

这里以py36为例,py37同理,可以注意版本编号即可

1.安装python(注意操作系统位数)

以下是py36下载地址,类似的37也可以找到

Python36

安装之后,通过以下命令测试

python -V

结果应该像: ‘THE VERSION OF PYTHON’

安装之后,可以换源,我们可以选择清华源.速度会比默认的源快,且稳定

• 1.在%用户目录下(users)%创建pip文件夹
• 2.在pip文件夹下创建pip.ini,并且将以下内容附上

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

2.安装Numpy+MKL,Scipy package 和 Scikit-learn

打开网站 https://www.lfd.uci.edu/~gohlke/pythonlibs. 这个是python的pip包网站,大部分的包可以在上面找到.

• 1.找到 numpy‑1.14.3+mkl‑cp37‑cp37m‑win_amd64.whl 并下载,大小大概是217MB
• 2.找到scipy‑1.1.0‑cp36‑cp36m‑win_amd64.whl 并下载, 大小约12MB
• 3.找到 scikit_learn-0.19.1-cp36-cp36m-win_amd64.whl并下载
• 4.通过以下命令安装:

pip install PATH_TO_THE_FILE_**numpy-1.14.3+mkl-cp36-cp36m-win_amd64.whl**

注意: 下载的文件名需要与网站上的文件名一致, 文件名的编码需要是utf8, 如果从网上拷贝过来,可能会出错,无法安装上.

安装之后:

Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Processing c:\app\numpy-1.14.3+mkl-cp36-cp36m-win_amd64.whl
Installing collected packages: numpy
Successfully installed numpy-1.14.3+mkl

pip install PATH_TO_THE_FILE_**scipy-1.1.0-cp36-cp36m-win_amd64.whl**

安装之后:

Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Processing c:\app\scipy-1.1.0-cp36-cp36m-win_amd64.whl
Requirement already satisfied: numpy>=1.8.2 in c:\program files\python36\lib\site-packages (from scipy==1.1.0) (1.14.3+mkl)
Installing collected packages: scipy
Successfully installed scipy-1.1.0

pip install PATH_TO_THE_FILE_**scikit_learn-0.19.1-cp36-cp36m-win_amd64.whl**

安装之后:

Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Processing c:\app\scikit_learn-0.19.1-cp36-cp36m-win_amd64.whl
Installing collected packages: scikit-learn
Successfully installed scikit-learn-0.19.1

3.安装matplotlib

pip install matplotlib

4.安装 Ipython

pip install ipython

至此,准备工作做好了.

测试:

PS C:\App> python
Python 3.6.5 (v3.6.5:f59c0932b4, Mar 28 2018, 17:00:18) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> 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.]]
>>>