Appunti personali sul linguaggio Python

Come installare Sklearn su Python

Per installare il modulo Sklearn nel linguaggio Python utilizzo il package manager PIP.

Cos'è Sklearn? Il modulo Sklearn ( scikit-learn ) è una libreria di python dedicata al machine learning, alle tecniche di regressione, classificazione e apprendimento automatico.

Installazione Sklearn su Windows

Apro il prompt dei comandi di Windows e mi sposto nella sottocartella Scripts di Python.

Nota. Il path della cartella Script cambia da computer a computer, a seconda della cartella dove è stato installato Pyhon.

Sul prompt digito il seguente comando per installare Sklearn.

pip install -U scikit-learn

Dopo pochi secondi, la libreria è già installata sul PC.

l'installazione di scikit learn su Python

Per verificare se l'installazione è andata a buon fine, apro la linea dei comandi di Python.

Poi digito

import sklearn

Se il comando non va in errore, il modulo Sklearn è stato installato correttamente.

Installazione Sklearn su Linux

Per installare il modulo Sklearn su Linux Ubuntu o Mint, vado sul terminale del sistema operativo.

Poi digito

sudo apt-get install python3-sklearn

In questo caso sto usando Python3.

Il modulo viene installato in pochi istanti.

Per verificare se l'installazione è andata bene, apro il terminale di Python e digito.

import sklearn

Se il comando non restituisce un errore, l'installazione è avvenuta correttamente.

Il modulo Sklearn è pronto per essere utilizzato.



Segnalami un errore, un refuso o un suggerimento per migliorare gli appunti

Questo sito utilizza cookie tecnici. Sono presenti alcuni cookie di terzi ( Gooogle, Facebook ) per la personalizzazione degli annunci pubblicitari. Cliccando su OK, scorrendo la pagina o proseguendo la navigazione in altra maniera acconsenti all’uso dei cookie.

Per ulteriori informazioni o per revocare il consenso fai riferimento alla Privacy del sito.
knowledge base

Libri di approfondimento

Scikit-learn

  1. Cos'è sklearn
  2. Come installare sklearn
  3. Un esempio di machine learning
  4. Come usare i datasets didattici di scikit-learn
  5. Come rappresentare le regioni decisionali
  6. La vettorizzazione delle categorie
  7. StandardScaler ( riduzione di scala )
  8. L'analisi degli errori del classificatore
  9. L'analisi degli errori del regressore
  10. Perceptron
  11. La regressione lineare
  12. Decision Tree Classifier
  13. k-NN (k Nearest Neighbors)
  14. MLPClassifier