机器学习第二步：Miniconda3 中配置 scikit-learn 环境全攻略

STEP 01激活目标环境

打开Anaconda Prompt (Miniconda3)，执行：

conda activate ml_projects

验证：命令行提示符应从(base)变为(ml_projects)

conda info --envs

输出中ml_projects前面应有*号。

STEP 02查看环境中已安装的包

conda list

预期输出（当前你的环境）：

确认没有 numpy、scipy、matplotlib、scikit-learn

STEP 03安装 scikit-learn 及依赖

方式一：使用 conda（推荐，自动处理依赖）

conda install scikit-learn matplotlib -y

方式二：使用 pip（备选）

pip install scikit-learn matplotlib

安装过程会自动下载并安装：numpy、scipy、scikit-learn、matplotlib、其他依赖（pillow、kiwisolver、pyparsing 等），到这里就安装完成了。

STEP 04验证安装

4.1 查看已安装的包

conda list

或

pip list | findstr -E "numpy|scipy|sklearn|matplotlib"

4.2 Python 交互验证

python

然后逐行输入以下代码：

import numpy as np

import scipy as sp

import matplotlib as mpl

import sklearn as sk

print("numpy version:", np.__version__)

print("scipy version:", sp.__version__)

print("matplotlib version:", mpl.__version__)

print("sklearn version:", sk.__version__)

print(" 全部安装成功")

预期输出示例：

numpy version: 1.26.3

scipy version: 1.11.4

matplotlib version: 3.8.2

scikit-learn version: 1.4.0

所有库安装成功！

输入exit()退出 Python。

STEP 05快速测试 sklearn 能否正常运行

python -c "from sklearn.ensemble import RandomForestClassifier; print(' RandomForest imported successfully')"

STEP 06完整命令汇总（一键复制）

# 1. 激活环境

conda activate ml_projects

# 2. 查看当前包（可选）

conda list

# 3. 安装 sklearn 全家桶

conda install scikit-learn matplotlib -y

# 4. 验证

python -c "import numpy, scipy, matplotlib, sklearn; print('numpy:', numpy.__version__); print('scipy:', scipy.__version__); print('matplotlib:', matplotlib.__version__); print('sklearn:', sklearn.__version__); print(' 全部安装成功')"STEP 07常见问题

完成后，你的ml_projects环境即可用于机器学习项目。