機械学習の世界へようこそ!始めたばかりの場合でも、少しだけ始めたばかりの場合でも、きちんと整理されたローカル環境があれば、生活がずっと楽になります。このガイドでは、Miniconda と Conda を使用してローカル環境をセットアップします。また、機械学習とデータ サイエンスに最も重要な Python ライブラリのいくつかもインストールします: Pandas、NumPy、Matplotlib、および Scikit-learn .

警告: このセットアップは 100% ストレスフリーです (ライブラリをインストールする部分を除いて?)。

なぜミニコンダなのか？

「なぜ Anaconda ではなく Miniconda なのでしょうか?」と疑問に思われるかもしれません。まあ、それは満載の宇宙船のどちらかを選択するようなものですか? （アナコンダ）そして軽量でよりカスタマイズ可能な宇宙船？ （ミニコンダ）。 Miniconda は必要なものだけを提供するので、必要なパッケージだけをインストールして、物事を整理整頓することができます。

ステップ 1: Miniconda をインストールする

1.1.ミニコンダをダウンロード

Miniconda Web サイトにアクセスし、オペレーティング システムに適切なインストーラーをダウンロードします。

• Windows: .exe インストーラー
• macOS: .pkg インストーラー
• Linux: .sh インストーラー

1.2. Minicondaをインストールする

ダウンロードしたら、お使いのシステムの指示に従ってください:

• Windows: .exe インストーラーを実行します。メッセージが表示されたら、「Miniconda を PATH 環境変数に追加する」チェックボックスをオンにします (後で作業が楽になります。信じてください)。
• macOS/Linux: ターミナルを開いてインストーラーを実行します。

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

プロンプトに従います。熱々のパンケーキにバターを塗るよりも滑らか！ ?

1.3.インストールの検証

インストールしたら、すべてが正常に動作していることを確認しましょう。ターミナルまたはコマンド プロンプトを開き、次のように入力します:

conda --version

バージョン番号が表示されたら、おめでとうございます。Miniconda を使用する準備ができています。 ?

ステップ 2: Conda 環境をセットアップする

ここからが楽しい部分です！ Conda を使用すると、隔離された環境を作成してプロジェクトを整理し、パッケージの競合を防ぐことができます。趣味ごとに異なるクローゼットを用意するようなものだと考えてください。釣り道具を混在させないでください。ゲームの設定は?.

2.1.新しい環境を作成する

新しい環境を作成するには (プロジェクトの個人的なワークスペースと考えてください)、次のコマンドを使用します:

conda create --name ml-env python=3.10

ここで、ml-env は環境の名前であり、Python をバージョン 3.10 に設定しています。お好みのバージョンを自由に使用してください。

2.2.環境を活性化する

パッケージをインストールする前に、環境をアクティブ化する必要があります:

conda activate ml-env

プロンプトが変化し、現在 ml-env 環境に入っていることがわかります。 ?‍♂️ それは Python の新しい次元に足を踏み入れたようなものです...つまり。

ステップ 3: 必須の Python ライブラリをインストールする

必要なツールを使用して環境を準備しましょう! Pandas、NumPy、Matplotlib、および Scikit-learn - あらゆる機械学習の冒険の主人公をインストールします。それらをアベンジャーズだと考えてください ?‍♂️ ただし、データ サイエンス用です。

3.1.パンダをインストールしますか?

Pandas は構造化データの操作に最適です。 Excel と考えることもできますが、強化されています。次のようにインストールします:

conda install pandas

3.2. NumPy をインストールしますか?

NumPy は、数値演算と行列操作に最適なライブラリです。これは、多くの機械学習アルゴリズムの背後にある秘密のソースです。インストールするには:

conda install numpy

3.3. Matplotlib をインストールしますか?

美しいグラフがなければデータ サイエンスとは言えません。 Matplotlib は、折れ線グラフから散布図までの視覚化の作成に最適です。次のようにインストールします:

conda install matplotlib

(ちょっとした冗談: なぜグラフは関係性を持たないのでしょうか?グラフには「プロット」が多すぎるからですか?).

3.4. Scikit-learn をインストールしますか?

最後に、線形回帰、分類などの機械学習アルゴリズムを実装するには、Scikit-learnが必要です。インストールするには:

conda install scikit-learn

ステップ 4: セットアップを確認する

すべてがスムーズに機能していることを確認しましょう。ターミナルで Python を開きます:

python

Python シェルに入ったら、ライブラリをインポートして、すべてが正しくインストールされているかどうかを確認してください:

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

エラーがなければ、準備完了です。 ?
と入力して Python を終了します。

exit()

ステップ 5: 環境の管理

環境のセットアップがすべて完了したので、環境を管理するための便利なヒントをいくつか紹介します。

5.1.インストールされているパッケージの一覧表示

あなたの環境に何がインストールされているかを見たいですか?次のように入力するだけです:

conda list

5.2.環境を保存する

環境設定を他の人と共有したり、後で再作成したりするには、環境設定をファイルにエクスポートできます:

conda env export > environment.yml

5.3.環境を非アクティブ化する

その日の作業が終わったら、次のコマンドで環境を終了できます:

conda deactivate

5.4.環境を削除する

環境が不要になった場合 (古いプロジェクト、さようなら?)、完全に削除できます:

conda remove --name ml-env --all

これが気に入ったら、Github でフォローしてください

-

最終的な考え

おめでとうございます！ Miniconda、Conda、および Pandas、NumPy、Matplotlib、Scikit-learn などの重要な Python ライブラリを使用してローカル機械学習環境をセットアップすることができました。 ?新しい環境は分離され、整理されており、深刻なデータ処理に対応する準備が整っています。

覚えておいてください: 環境を常に整理整頓しておかないと、絡まったケーブルとランダムな Python バージョンでいっぱいの私の古いクローゼットのようになる危険があります。 ?コーディングを楽しんでください!