支持#
有几种渠道可以与scikit-learn开发者联系以获取帮助、反馈或贡献。
注意：所有渠道的沟通都应遵守我们的 行为准则 。
邮件列表#
主要邮件列表：加入scikit-learn的主要讨论平台 scikit-learn邮件列表 。
提交更新：在 scikit-learn-commits列表 上了解仓库更新和测试失败情况。
用户问题#
如果您有问题，这是我们的常规工作流程。
Stack Overflow ：一些scikit-learn开发者通过 [scikit-learn] 标签支持用户。
一般机器学习查询 ：对于更广泛的机器学习讨论，访问 Stack Exchange 。
在发布问题时：
请在标题字段中使用描述性的问题（例如，不要使用“请帮助我使用scikit-learn！”，因为这不是一个问题）
提供详细的上下文、预期结果和实际观察。
包括代码和数据片段（最好是简约的脚本，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（分类或数值）以及监督学习任务的目标（分类类型或回归）。
注意：避免在错误跟踪器上提出用户问题，以保持对开发的专注。
GitHub讨论 使用问题，如方法论
Stack Overflow
[scikit-learn]标签的编程/用户问题GitHub Bug Tracker 错误报告 - 请不要在问题跟踪器上提问使用问题。
Discord 服务器 当前的拉取请求 - 在您的 PR 上发布任何特定的 PR 相关问题，并可以在此服务器上分享您的 PR 链接。
Bug Tracker#
遇到错误？请在我们的 问题跟踪器 上报告
在您的报告中包含：
重现错误的步骤或脚本。
预期的和观察到的结果。
如果适用，Python 或 gdb 的回溯信息。
理想的错误报告包含一个 简短的可重现代码片段 ，这样任何人都可以轻松尝试重现错误。
如果您的代码片段超过大约 50 行，请链接到 gist 或 GitHub 仓库。
提示：Gist 是 Git 仓库；您可以使用 Git 将数据文件推送到它们。
Gitter#
注意：scikit-learn 的 Gitter 聊天室不再是一个活跃的社区。对于实时讨论和支持，请参考本文档中提到的其他渠道。
文档资源#
此文档适用于 1.6.dev0。找到其他版本的文档 这里 。
旧版本的可打印 PDF 文档可在此处获得 这里 。网站不再支持构建 PDF 文档，但您仍然可以通过遵循 building documentation instructions 在本地生成它。
社交媒体#
scikit-learn 在各种社交媒体平台上与社区分享更新。这些平台不用于用户提问。