MLLClassifier импорта SKlearn не работает

Я пытаюсь использовать многослойный персептрон из scikit-learn в python. Моя проблема заключается в том, что импорт не работает. Все остальные модули из scikit-learn работают нормально.

from sklearn.neural_network import MLPClassifier

Ошибка импорта: невозможно импортировать имя MLPClassifier

Я использую Python Environment Python64-bit 3.4 в Visual Studio 2015. Я установил sklearn поверх консоли с помощью conda install scikit-learn Я также установил numpy и pandas. После ошибки выше я также установил scikit-neuralnetwork с помощью: pip install scikit-neuralnetwork Установленная версия scikit-learn составляет 0,17.

Чем я ошибся? Мне не хватает установки?

----- EDIT ----

В дополнение к ответу tttthomasssss я нашел решение о том, как установить библиотеку sknn для нейронных сетей. Я последовал этому учебнику. Выполните следующие действия:

pip install scikit-neuralnetwork
загрузите и установите компилятор GCC
установить mingw с помощью conda install mingw libpython

Вы можете использовать библиотеку sknn после.

Ответ 1

MLPClassifier пока недоступен в scikit-learn v0.17 (по состоянию на 1 декабря 2015 года). Если вы действительно хотите его использовать, вы можете клонировать 0.18dev (однако я не знаю, насколько стабильна эта ветвь в данный момент).

Ответ 2

Я тоже приехал сюда с проблемой v0.17. Я нашел решение, используя pip здесь, а именно

    pip install git+https://github.com/scikit-learn/scikit-learn.git

Мне пришлось сначала выполнить pip install cython.

Однако это устанавливает 0.19.dev0 (в настоящее время), но pip list указывает, что последнее - 0.18rc2. Вместо

    pip install scikit-learn==0.18.rc2

разрешил проблему более удовлетворительно.

Ответ 3

из оболочки/терминала

conda update scikit-learn

Ответ 4

apt-get update; \
apt-get install -y python python-pip \
                    python-numpy \
                    python-scipy \
                    build-essential \
                    python-dev \
                    python-setuptools \
                    libatlas-dev \
                    libatlas3gf-base

update-alternatives --set libblas.so.3 /usr/lib/atlas-base/atlas/libblas.so.3; update-alternatives --set liblapack.so.3 /usr/lib/atlas-base/atlas/liblapack.so.3

pip install -U scikit-learn

Я импортировал MLPClassifier из sklearn.neural_network и, похоже, работает.

Вы также можете справиться с этими проблемами, используя изображения докеров. Это позволяет любому разработчику воссоздать среду на любом сервере за одну минуту. Вы можете вытащить изображение из здесь

Это также можно выполнить очень легко, используя инструмент datmo-cli. Мы сами столкнулись с этими проблемами и решили построить его.

Вы также можете решить это одним нажатием кнопки Datmo Отказ от ответственности: я работаю в Datmo