Lỗi ko cài được scikit-learn trong pycharm năm 2024

Để cài đặt Python lên máy tính, ta cần tải bộ cài Python tại https://www.python.org/downloads/ và cài theo hướng dẫn.

Cài đặt pip

pip là công cụ quản lý các gói thư viện python (Python package manager). Với việc sử dụng pip, ta sẽ dễ dàng cài đặt các gói thư viện cần thiết trong quá trình làm việc với Python.

Nếu bạn sử dụng Python phiên bản từ 2.7.9 trở lên (đối với Python 2) hoặc 3.4 trở lên (với Python 3), mặc định pip đã được cài đặt sẵn cùng Python. Trong trường hợp bạn đáng sử dụng Python phiên bản thấp hơn như đã nêu ở trên, bạn cần cài đặt pip theo hướng dẫn từ trang chủ https://pip.pypa.io/en/stable/installing/

Đề cập nhật pip hiện thời lên phiên bản mới nhất, bạn dùng câu lệnh

python -m pip install --upgrade pip

Giới thiệu một số gói thư viện thông dụng cho Python

NumPy

Được tạo bởi Travis Oliphant, NumPy là một “ngựa kéo” phân tích thực sự của Python. Nó cung cấp cho người dùng cách làm việc với các mảng nhiều chiều, cùng một số lượng lớn các hàm để xử lý trên các toán tử toán học nhiều chiều trên các mảng đó. Mảng là các khối dữ liệu được sắp xếp theo nhiều chiều dựa trên các véc tơ và ma trận trong toán học. Mảng thường hữu ích không chỉ trong việc lưu dữ liệu mà cả việc tính toán nhanh các ma trận, điều không thể thiếu khi giải quyết các vấn đề liên quan đến khoa học dữ liệu.

Cài đặt: pip install numpy

Trang chủ: http://www.numpy.org

SciPy

Là một dự án gốc bởi Travis Oliphant, Pearu Peterson, and Eric Jones, SciPy hoàn thiện các tính năng của NumPy, nhằm cung cấp các thuật toán cho đại số tuyến tính, không gian ma trận, xử lý tín hiệu và xử lý ảnh, tối ưu, biến đổi Fourier,…

Cài đặt: pip install scipy

Trang chủ: http://www.scipy.org

pandas

pandas là thư viện thực hiện mọi thứ mà NymPy và SciPy không thể làm. Nó làm việc với các đối tượng cấu trúc dữ liệu, DataFrames và Chuỗi (Series). pandas cho phép bạn có thể xử lý các bảng dữ liệu phức tạp của nhiều loại khác nhau (điều mà các mảng của NumPy thông thể làm được) và chuỗi thời gian. Bạn sẽ dễ dàng tải dữ liệu từ nhiều nguồn khác nhau, sau đó slide, dice, xử lý các thành phần còn thiếu, thêm, đổi tên, tổng hợp (aggregate), reshape và cuối cùng là trực quan dữ liệu theo ý của bạn.

Cài đặt: pip install pandas

Trang chủ: http://pandas.pydata.org

Scikit-learn

Bắt đầu như một phần của SciKits, Scikit-learn là lõi hoạt động của khoa học dữ liệu trên Python. Nó cung cấp tất cả những gì bạn cần để tiền xử lý dữ liệu, học giám sát và không giám sát, lựa chọn mô hình, validate và error metrics.

Cài đặt: pip install scikit-learn

Trang chủ: http://scikit-learn.org/stable

IPython

Một cách tiếp cận khoa học yêu cầu thử nghiệm nhanh các giả thuyết khác nhau trong một khoảng thời gian. IPython được tạo bởi Fernando Perez để giải quyết việc cần thiết một lệnh Shell Python (dựa trên shell, trình duyệt web, và giao diện ứng dụng) với đồ họa tích hợp, các lệnh có thể tùy chỉnh, lịch sử phong phú (dưới định dạng JSON) và khả năng tính toán song song để cải thiện hiểu năng tính toán.

Cài đặt: pip install "ipython[notebook]"

Trang chủ: http://ipython.org

Matplotlib

Được phát triển bởi John Hunte, matplotlib là một thư viện xây dựng các khối cần thiết để tạo các biểu đồ chất lượng từ mảng và trực quan và tương tác với chúng.

Cài đặt: pip install matplotlib

Trang chủ: http://matplotlib.org

Statsmodels

Trước đây là một phần của SciKits, Statsmodels bổ sung các tính năng thống kê cho SciPy. Nó bao gồm các mô hình tuyến tính tổng quát (generalized linear models), mô hình lựa chọn rời rạc (discrete choice models), phân tích chuỗi thời gian (time series analysis) và một chuỗi các thống kê mô tả như kiểm định tham số và kiểm định phi tham số (parametric and nonparametric tests).

Nếu bạn chưa cài đặt Python, xin mời tham khảo cách cài đặt ở bài viết bài viết Hướng dẫn cài đặt Python.

Như đã nói, sklearn được xây dựng trên NumPy và SciPy nên để sử dụng sklearn, chúng ta bắt buộc phải có 2 packages này. Tất nhiên ta nên cài đặt matplotlib, một package không thể thiếu trong scientific plotting. Cuối cùng, chúng ta cần cài thêm package pandas, phục vụ cho data wrangling và analysis.

Nếu bạn đã có Python trên máy của mình, bạn có thể dùng pip để cài đặt tất cả các gói trên bằng lệnh

$ pip install numpy scipy matplotlib scikit-learn pandas

Như vậy ta đã có tất cả các thư viện cần thiết để phục vụ nghiên cứu machine learning. Bây giờ chúng ta bàn đến việc: nên sử dụng IDE nào? Thật ra bạn có thể sử dụng bất cứ IDE nào, nhưng đa phần các “academic” data scientists thường sử dụng IPython notebook (phiên bản mới nhất là Jupyter notebook), vừa hỗ trợ lập trình tốt vừa có thể ghi chú các công thức toán học một cách đẹp mắt. Ngoài ra các bạn có thể sử dụng PyCharm và Visual studio trên Windows. Nếu bạn dùng Linux thì tôi khuyên nên cài thêm Spyder, một IDE Python có thiết kế đơn giản nhưng rất khoa học.

Tại sao nên dùng scikit-learn

Hiện nay có nhiều thư viện mã nguồn mở phục vụ cho nghiên cứu machine learning. Bên cạnh Scikit-learn, có 2 thư viện nổi bật khác là

• LibSVM: Được viết trên C bởi Chih-Chung Chang và Chih-Jen Lin. Như tên gọi của nó, thư viên này chứa các thuật toán SVM (Support Vector Machine), nhóm thuật toán mạnh mẽ hỗ trợ cả regression và classification tasks.
• TensorFlows: Do các nhà khoa học của viện nghiên cứu Google Brain phát triển. TensorFlows được viết trên Python và là thư viện mở.

Trong khi TensorFlows có vẻ low-level hơn thì Scikit-learn cho phép ta sử dụng ngay các thuật toán quan trọng một cách đơn giản và hiệu quả. Nói vậy không có nghĩa Scikit-learn là một thư viện “nông cạn”, Scikit-learn là nền tảng để xây dựng các ML implementations khác (Nilearn, Pylearn2,…). Scikit-learn còn là một trong những lựa chọn hàng đầu của các researchers và deverlopers. Đứng sau Scikit-learn là các viện nghiên cứu hàng đầu thế giới, gồm có Inria, Télécom Paristech, Paris-Saclay (Pháp), NYU Moore-Sloan Data Science Environment và Columbia University.