支持

有多种渠道可以与scikit-learn开发人员联系以获取帮助、反馈或贡献。

Note ：所有渠道的沟通都应尊重我们的 Code of Conduct .

邮件列表

• Main Mailing List ：加入scikit-learn的主要讨论平台 scikit-learn Mailing List .

• Commit Updates ：随时了解存储库更新和上的测试失败 scikit-learn-commits list .

用户问题

如果您有疑问，这是我们的一般工作流程。

• Stack Overflow ：一些scikit-learn开发人员支持用户使用 [scikit-learn] 标签

• General Machine Learning Queries ：有关更广泛的机器学习讨论，请访问 Stack Exchange .

发布问题时：

• 请在标题字段中使用描述性问题（例如：否“请帮助scikit-learn！“因为这不是一个问题）

• 提供详细的背景、预期结果和实际观察。

• 包括代码和数据片段（最好是极简脚本，最多约20行）。

• 描述您的数据和预处理步骤，包括样本大小、特征类型（分类或数字）以及监督学习任务的目标（分类类型或回归）。

Note ：避免在错误跟踪器上向用户提出问题，以将注意力集中在开发上。

• GitHub Discussions 使用问题，例如方法论

• Stack Overflow 编程/用户问题 [scikit-learn] 标签

• GitHub Bug Tracker 错误报告-请不要在问题跟踪器上询问使用问题。

• Discord Server 当前的拉取请求-在您的PR上发布任何特定的公关相关问题，您可以在此服务器上分享您的PR链接。

Bug追踪器

遇到了错误？在我们的 issue tracker

在您的报告中包括：

• 重现错误的步骤或脚本。

• 预期和观察到的结果。

• Python或gDB回溯（如果适用）。

• 理想的bug报告包含一个 short reproducible code snippet ，这样任何人都可以尝试轻松复制该错误。

• 如果您的片段长度超过50行左右，请链接到 gist 或Github回购。

Tip ：Gists是Git存储库;您可以使用Git将数据文件推送到它们。

付费支持

以下公司（按字母顺序列出）提供与scikit-learn相关的支持服务，并且在雇用scikit-learn和相关开源项目的长期维护人员方面拥有良好的记录：

• :probabl.

• Quansight

社交媒体

scikit-learn在各种社交媒体平台上与社区分享更新。这些平台不受用户问题的监控。

Gitter

Note ：scikit-learn Gitter房间不再是一个活跃的社区。有关现场讨论和支持，请参阅本文档中提到的其他渠道。

文档资源

此文档用于 1.6.1 .可以找到其他版本的文档 here ，包括可以下载离线访问的压缩档案。

我们不再提供文档的PDF版本，但您仍然可以通过按照 building documentation instructions .包含PDF文档的最新版本相当旧，0.23.2（2020年8月发布），但PDF可用 here .