Python 安装 sklearn

1. 概述

sklearn（即 scikit-learn）是一个基于 Python 的机器学习库，为我们提供了许多机器学习算法和工具，使得机器学习的实现更加便捷。本文将详细介绍如何在 Python 环境中安装 sklearn，并给出示例代码运行结果。

2. 安装 Python

在安装 sklearn 之前，我们需要先安装 Python。sklearn 目前支持 Python 3.7 或更高版本。我们可以从 Python 官方网站上下载适合自己操作系统的 Python 安装包，并按照提示完成安装过程。

3. 安装 sklearn

3.1 使用 pip 安装

pip 是 Python 的包管理工具，我们可以使用 pip 简便地安装 sklearn。在命令提示符或终端中执行以下命令可以安装最新版本的 sklearn：

pip install -U scikit-learn

该命令会自动下载和安装 sklearn 及其依赖库。

3.2 使用 Anaconda 安装

如果您使用的是 Anaconda 环境，可以使用 conda 命令安装 sklearn。在命令提示符或终端中执行以下命令安装 sklearn：

conda install scikit-learn

3.3 验证安装

完成安装后，我们可以在 Python 环境中验证是否成功安装了 sklearn。打开 Python 解释器或任意支持运行 Python 代码的环境，输入以下代码并执行：

import sklearn

print(sklearn.__version__)

如果成功输出了 sklearn 的版本号，说明安装成功。

4. 示例代码运行结果

接下来，我们将给出一些示例代码并展示其运行结果。

4.1 示例代码

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载示例数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建 K 近邻分类器
knn = KNeighborsClassifier(n_neighbors=3)

# 训练模型
knn.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = knn.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率：", accuracy)

4.2 运行结果

准确率： 1.0

以上示例代码展示了一个经典的鸢尾花分类问题。首先，我们加载了鸢尾花数据集，并将数据集分割成训练集和测试集。然后，我们构建了一个 K 近邻分类器，指定邻居数为 3。接着，我们使用训练集对分类器进行训练，并在测试集上进行预测。最后，我们使用准确率作为评估指标，计算了分类器在测试集上的准确率，结果为1.0，即预测全部正确。