Willkommen in der Welt des maschinellen Lernens! Ganz gleich, ob Sie gerade erst anfangen oder sich schon ein wenig damit beschäftigt haben, ein gut organisiertes lokales Umfeld kann Ihnen das Leben erheblich erleichtern. In diesem Leitfaden richten wir Ihre lokale Umgebung mit Miniconda und Conda ein. Wir werden auch einige der wichtigsten Python-Bibliotheken für maschinelles Lernen und Datenwissenschaft installieren: Pandas, NumPy, Matplotlib und Scikit-learn .

Warnung: Dieses Setup ist 100 % stressfrei (außer vielleicht für den Teil, in dem wir Bibliotheken installieren?).

Warum Miniconda?

Sie fragen sich vielleicht: „Warum Miniconda und nicht Anaconda?“ Nun, es ist so, als würde man sich zwischen einem vollbeladenen Raumschiff und einem vollbeladenen Raumschiff entscheiden. (Anaconda) und ein leichtes, besser anpassbares Raumschiff? (Miniconda). Miniconda bietet Ihnen nur das Wesentliche, sodass Sie nur die Pakete installieren können, die Sie benötigen, und für Ordnung sorgen.

Schritt 1: Miniconda installieren

1.1. Laden Sie Miniconda herunter

Gehen Sie zur Miniconda-Website und laden Sie das entsprechende Installationsprogramm für Ihr Betriebssystem herunter:

• Windows: .exe-Installationsprogramm
• macOS: .pkg-Installationsprogramm
• Linux: .sh-Installationsprogramm

1.2. Installieren Sie Miniconda

Befolgen Sie nach dem Herunterladen die Anweisungen für Ihr System:

• Windows: Führen Sie das .exe-Installationsprogramm aus. Wenn Sie dazu aufgefordert werden, aktivieren Sie das Kontrollkästchen „Miniconda zu meiner PATH-Umgebungsvariablen hinzufügen“ (das wird das Leben später einfacher machen, glauben Sie mir?).
• macOS/Linux: Öffnen Sie ein Terminal und führen Sie das Installationsprogramm aus:

  bash Miniconda3-latest-Linux-x86_64.sh  # for Linux
  bash Miniconda3-latest-MacOSX-x86_64.sh  # for macOS

Folgen Sie den Anweisungen. Es ist glatter als Butter auf einem heißen Pfannkuchen! ?

1.3. Überprüfen Sie die Installation

Nach der Installation stellen wir sicher, dass alles in Ordnung ist. Öffnen Sie Ihr Terminal oder Ihre Eingabeaufforderung und geben Sie Folgendes ein:

conda --version

Wenn Sie eine Versionsnummer sehen, herzlichen Glückwunsch – Sie haben Miniconda einsatzbereit! ?

Schritt 2: Richten Sie eine Conda-Umgebung ein

Hier kommt der lustige Teil! Mit Conda können Sie isolierte Umgebungen erstellen, um Ihre Projekte organisiert zu halten und Paketkonflikte zu verhindern. Stellen Sie sich vor, Sie hätten unterschiedliche Kleiderschränke für unterschiedliche Hobbys – kein Mischen von Angelausrüstung? mit deinem Gaming-Setup ?.

2.1. Erstellen Sie eine neue Umgebung

Um eine neue Umgebung zu erstellen (stellen Sie sich diese als den persönlichen Arbeitsbereich Ihres Projekts vor), verwenden Sie den folgenden Befehl:

conda create --name ml-env python=3.10

Hier ist ml-env der Name Ihrer Umgebung und wir setzen Python auf Version 3.10. Sie können jederzeit die Version verwenden, die Sie bevorzugen.

2.2. Aktivieren Sie die Umgebung

Bevor wir Pakete installieren, müssen wir die Umgebung aktivieren:

conda activate ml-env

Sie werden Ihre sofortigen Änderungen bemerken, die zeigen, dass Sie sich jetzt in der ml-env-Umgebung befinden. ?‍♂️ Es ist, als würde man eine neue Dimension betreten... von Python, das heißt.

Schritt 3: Installieren Sie wichtige Python-Bibliotheken

Zeit, Ihre Umgebung mit den notwendigen Werkzeugen auszustatten! Wir installieren Pandas, NumPy, Matplotlib und Scikit-learn – die Helden jedes maschinellen Lernabenteuers. Betrachten Sie sie als Ihre Avengers ?‍♂️, aber für die Datenwissenschaft.

3.1. Pandas installieren?

Pandas eignet sich hervorragend für die Arbeit mit strukturierten Daten. Sie können es sich wie Excel vorstellen, aber auf Steroiden? Installieren Sie es mit:

conda install pandas

3.2. NumPy installieren?

NumPy ist Ihre Anlaufstelle für numerische Operationen und Matrixmanipulation. Es ist das Geheimnis vieler Algorithmen für maschinelles Lernen. Zur Installation:

conda install numpy

3.3. Matplotlib installieren?

Was wäre Data Science ohne einige schöne Diagramme? Matplotlib eignet sich perfekt zum Erstellen von Visualisierungen, von Liniendiagrammen bis hin zu Streudiagrammen. Installieren Sie es mit:

conda install matplotlib

(Schneller Witz: Warum gehen Diagramme keine Beziehungen ein? Weil sie zu viele „Plots“ haben?).

3.4. Scikit-learn installieren?

Schließlich benötigen wir Scikit-learn für die Implementierung von Algorithmen für maschinelles Lernen wie lineare Regression, Klassifizierung und mehr. Zur Installation:

conda install scikit-learn

Schritt 4: Überprüfen Sie Ihr Setup

Stellen wir sicher, dass alles reibungslos funktioniert. Öffnen Sie Python in Ihrem Terminal:

python

Sobald Sie sich in der Python-Shell befinden, versuchen Sie, die Bibliotheken zu importieren, um zu sehen, ob alles korrekt installiert ist:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import sklearn

Wenn keine Fehler vorliegen, können Sie loslegen! ? Fahren Sie fort und beenden Sie Python, indem Sie Folgendes eingeben:

exit()

Schritt 5: Verwalten Ihrer Umgebung

Da Ihre Umgebung nun vollständig eingerichtet ist, finden Sie hier ein paar praktische Tipps für deren Verwaltung.

5.1. Installierte Pakete auflisten

Möchten Sie sehen, was in Ihrer Umgebung installiert ist? Geben Sie einfach Folgendes ein:

conda list

5.2. Retten Sie Ihre Umwelt

Um Ihre Umgebungseinrichtung mit anderen zu teilen oder sie später neu zu erstellen, können Sie sie in eine Datei exportieren:

conda env export > environment.yml

5.3. Deaktivieren Sie die Umgebung

Wenn Sie mit der Arbeit des Tages fertig sind, können Sie die Umgebung verlassen mit:

conda deactivate

5.4. Löschen Sie eine Umgebung

Wenn Sie eine Umgebung nicht mehr benötigen (Auf Wiedersehen, alte Projekte?), können Sie sie vollständig entfernen:

conda remove --name ml-env --all

Wenn Ihnen das gefallen hat, folgen Sie mir auf Github

-

Letzte Gedanken

Glückwunsch! Sie haben Ihre lokale Umgebung für maschinelles Lernen erfolgreich mit Miniconda, Conda und wichtigen Python-Bibliotheken wie Pandas, NumPy, Matplotlib und Scikit-learn eingerichtet. ? Ihre neue Umgebung ist isoliert, organisiert und bereit für ernsthafte Datenverarbeitung.

Denken Sie daran: Halten Sie Ihre Umgebung immer aufgeräumt, sonst riskieren Sie, wie mein alter Schrank zu enden – voller Kabelsalat und zufälliger Python-Versionen. ? Viel Spaß beim Codieren!