Python में No module named 'sklearn' त्रुटि संदेश का ट्रबलशूटिंग

Scikit-learn, जिसे अक्सर sklearn के रूप में संक्षिप्त किया जाता है, डेटा विश्लेषण और मॉडलिंग कार्यों, जिनमें मशीन लर्निंग भी शामिल है, के लिए व्यापक रूप से प्रयुक्त एक Python लाइब्रेरी है। नए उपयोगकर्ता जो sklearn आज़माने के इच्छुक हैं, वे एक अनपहचाने त्रुटि संदेश से जूझकर हताश हो सकते हैं, जिसका निवारण करना आसान नहीं होता।

यह ट्यूटोरियल No module named 'sklearn' त्रुटि संदेश को ठीक करने पर केंद्रित होगा ताकि हम डेटा विश्लेषण और मॉडलिंग के लिए sklearn के व्यापक एल्गोरिदम और टूल्स का उपयोग फिर से सुचारु रूप से कर सकें। इस प्रक्रिया में, हम पैकेज इंस्टॉलेशन के ट्रबलशूटिंग से जुड़ी अधिक सामान्य कौशल भी सीखेंगे, जो हमें बेहतर Python प्रोग्रामर बनाएंगे। scikit-learn पैकेज पर ताज़गी के लिए, शुरू करने से पहले हमारा Scikit-Learn चीट शीट देख सकते हैं।

Python में No module named 'sklearn' त्रुटि संदेश को समझना

आइए निम्नलिखित चित्र देखें। यहाँ, हमने sklearn इम्पोर्ट करने की कोशिश की और हमें ModuleNotFoundError अपवाद मिला।

Python वातावरण में ModuleNotFoundError

जैसा कि नाम से स्पष्ट है, ModuleNotFoundError एक विशिष्ट प्रकार का ImportError है जो दर्शाता है कि Python किसी खास मॉड्यूल को नहीं खोज पा रहा है। इस मामले में मॉड्यूल sklearn है, लेकिन यह कोई और मॉड्यूल भी हो सकता था, जैसे numpy या pandas।

हमारे Introduction to Data Science in Python में numpy जैसे मॉड्यूल्स को इम्पोर्ट करने और उनके साथ काम करने के कई उदाहरण वाले पाठ शामिल हैं। 

Python ModuleNotFoundError संदेश के सामान्य कारण

आपको No module named 'sklearn' त्रुटि संदेश कई सामान्य कारणों से मिल सकता है। प्रमुख कारण हैं: 

• Sklearn इंस्टॉल नहीं है: इस त्रुटि का सबसे सामान्य कारण यह है कि हमारे Python वातावरण में scikit-learn इंस्टॉल नहीं है।

• गलत इंस्टॉलेशन: कभी-कभी scikit-learn इंस्टॉल तो रहता है, पर सही ढंग से इंस्टॉल न होने के कारण लाइब्रेरी मॉड्यूल्स को इम्पोर्ट करने में समस्या आती है।

• Environment कॉन्फ़िगरेशन या Python पाथ संबंधी समस्याएँ: यह अधिकतर तब होता है जब आप वर्चुअल एन्वायरनमेंट में काम कर रहे हों या अलग Python इंटरप्रेटर का उपयोग कर रहे हों।

अच्छी बात यह है कि चरण-दर-चरण दृष्टिकोण अपनाकर हम संभवतः अपनी समस्या सुलझा लेंगे। आगे बढ़ते हैं। 

Python ModuleNotFoundError त्रुटि संदेश का ट्रबलशूटिंग

scikit-learn इंस्टॉलेशन सत्यापित करें

ट्रबलशूटिंग का पहला कदम यह सुनिश्चित करना है कि हमारे Python वातावरण में scikit-learn सही ढंग से इंस्टॉल है। हम अपने टर्मिनल या कमांड प्रॉम्प्ट में निम्न कमांड चलाकर यह कर सकते हैं:

py -m pip listसंचालित द्वारा

यह हमारे Python वातावरण में इंस्टॉल सभी लाइब्रेरियों की वर्णक्रमानुसार सूची देता है। हम सूची को स्क्रॉल करके सुनिश्चित करें कि उसमें scikit-learn मौजूद है।

इंस्टॉल्ड पैकेजों की उदाहरण सूची

यदि सूची देखने पर पता चले कि scikit-learn इंस्टॉल नहीं है, तो हम अपने वातावरण के अनुसार pip या conda कमांड से इसे इंस्टॉल कर सकते हैं:

pip install scikit-learnसंचालित द्वारा

conda install scikit-learnसंचालित द्वारा

pip जैसे पैकेज मैनेजर्स का उपयोग करने के बारे में अधिक जानकारी के लिए हमारा Pip Python Tutorial for Package Management देखें। 

Python कर्नेल रीस्टार्ट करें

यदि हम Jupyter Notebook या Spyder जैसे IDE में काम कर रहे हैं, तो अगला कदम Python कर्नेल को रीस्टार्ट करने पर विचार करना है। ऐसा इसलिए क्योंकि भले ही हमने हाल ही में scikit-learn को इंस्टॉल या पुनः-इंस्टॉल किया हो, परिवर्तन हमारे वर्तमान इंटरैक्टिव सत्र में तुरंत उपलब्ध न हों। कर्नेल रीस्टार्ट करने से वातावरण और लाइब्रेरी पाथ्स रीलोड होते हैं। यह एक आसान और आवश्यक कदम है जो कई तरह की त्रुटियों को ठीक कर सकता है।

हमारे Jupyter कर्नेल को रीस्टार्ट करना

Environment वेरिएबल्स और Python पाथ जाँचें

अगला कदम यह सुनिश्चित करना है कि हमारा Python वातावरण scikit-learn पैकेज को खोजने के लिए सही ढंग से कॉन्फ़िगर है। यह चरण महत्वपूर्ण है क्योंकि यह सुनिश्चित करता है कि Python हमारे इंस्टॉल किए गए scikit-learn पैकेज के लिए सही डायरेक्टरीज़ में खोज कर रहा है।

यहाँ, हम PYTHONPATH environment वेरिएबल जाँचते हैं कि उसमें वह डायरेक्टरी शामिल है जहाँ scikit-learn इंस्टॉल है। हम अपने Python स्क्रिप्ट या इंटरप्रेटर में निम्न कमांड चलाकर ऐसा कर सकते हैं:

import sys
print(sys.path)संचालित द्वारा

import sys के बाद print(sys.path) चलाने से हम वे डायरेक्टरी देख सकते हैं जिन्हें Python फिलहाल जाँच रहा है। यदि वह पाथ, जहाँ scikit-learn इंस्टॉल है, हमारी सूची में नहीं है, तो Python scikit-learn को खोजकर इम्पोर्ट नहीं कर पाएगा।

अंत में, हम यह सत्यापित कर सकते हैं कि उपयोग में लिया जा रहा Python इंटरप्रेटर उसी वातावरण से मेल खाता है जहाँ scikit-learn इंस्टॉल है। अपने कंप्यूटर पर डेटा साइंस वातावरण सेटअप करना सीखने के लिए हमारा विस्तृत ट्यूटोरियल देखें। 

scikit-learn पुनः-इंस्टॉल करें

यदि बाकी सब असफल हो, तो किसी भी संभावित इंस्टॉलेशन समस्या को दूर करने के लिए scikit-learn को पुनः-इंस्टॉल करने पर विचार करें। संभव है कि डाउनलोड या इंस्टॉलेशन प्रक्रिया के दौरान नेटवर्क समस्याओं, व्यवधानों या डिस्क एरर्स के चलते फ़ाइल करप्ट हो गई हो। यह भी संभव है कि पिछले इंस्टॉलेशनों से डिपेंडेंसी कॉन्फ्लिक्ट्स रह गए हों।

हम pip या conda से scikit-learn अनइंस्टॉल कर सकते हैं और फिर क्लीन इंस्टॉलेशन सुनिश्चित करने के लिए इसे दोबारा इंस्टॉल कर सकते हैं। 

pip uninstall scikit-learn

pip install scikit-learnसंचालित द्वारा

conda uninstall scikit-learn

conda install scikit-learnसंचालित द्वारा

इंस्टॉलेशन और वातावरण सेटअप का सत्यापन

अंतिम चरण के रूप में, जब हमें लगे कि No module named 'sklearn' error हल हो गई है, तो मन की शांति के लिए हम यह सत्यापित करना चाहेंगे कि scikit-learn सही ढंग से इंस्टॉल है और हमारा वातावरण ठीक से कॉन्फ़िगर है।

हम Python स्क्रिप्ट या इंटरप्रेटर में scikit-learn इम्पोर्ट करके और इम्पोर्ट एरर्स की जाँच करके यह कर सकते हैं।

import sklearn

print(sklearn.__version__)संचालित द्वारा

यदि कोई त्रुटि नहीं मिलती, तो scikit-learn सही ढंग से इंस्टॉल है, और आप इसे अपने मशीन लर्निंग प्रोजेक्ट्स में उपयोग करना शुरू कर सकते हैं!

निष्कर्ष

No module named 'sklearn' त्रुटि निराशाजनक हो सकती है, पर सही ट्रबलशूटिंग चरणों के साथ हम इसे जल्दी सुलझा सकते हैं और अपने मशीन लर्निंग कार्यों पर लौट सकते हैं। 

मैं आपको प्रोत्साहित करता/करती हूँ कि आप मशीन लर्निंग के आधारभूत सिद्धांतों और कुछ सामान्य मॉडलों, जैसे k-means क्लस्टरिंग, लॉजिस्टिक रिग्रेशन, या SVM, के बारे में और जानें। आप आगे चलकर अधिक परेशान करने वाले त्रुटि संदेशों से बचने के लिए कुछ कोडिंग सर्वोत्तम प्रथाएँ भी सीख सकते हैं।