머신러닝의 세계에 오신 것을 환영합니다! 이제 막 시작했든, 조금 경험했든, 잘 정리된 로컬 환경을 갖추면 인생이 훨씬 쉬워질 수 있습니다. 이 가이드에서는 Miniconda 및 Conda를 사용하여 로컬 환경을 설정합니다. 또한 기계 학습 및 데이터 과학을 위한 가장 필수적인 Python 라이브러리 중 일부인 Pandas, NumPy, Matplotlib 및 Scikit-learn을 설치합니다. .

경고: 이 설정은 100% 스트레스가 없습니다(라이브러리를 설치하는 부분은 제외?).

왜 미니콘다인가?

당신은 궁금할 것입니다: "왜 Anaconda가 아니고 Miniconda인가?" 글쎄요, 완전히 적재된 우주선 중에서 선택하는 것과 같죠? (Anaconda) 및 가볍고 사용자 정의가 가능한 우주선? (미니콘다). Miniconda는 필수 요소만 제공하므로 필요한 패키지만 설치하고 깔끔하게 유지할 수 있습니다.

1단계: Miniconda 설치

1.1. 미니콘다 다운로드

Miniconda 웹사이트로 이동하여 운영 체제에 적합한 설치 프로그램을 다운로드하세요.

• Windows: .exe 설치 프로그램
• macOS: .pkg 설치 프로그램
• Linux: .sh 설치 프로그램

1.2. 미니콘다 설치

다운로드한 후 시스템에 대한 지침을 따르세요.

• Windows: .exe 설치 프로그램을 실행합니다. 메시지가 나타나면 "내 PATH 환경 변수에 Miniconda 추가" 확인란을 선택하세요(나중에 작업이 더 쉬워질 것입니다. 저를 믿으세요 ?).
• macOS/Linux: 터미널을 열고 설치 프로그램을 실행합니다.

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

안내를 따르세요. 뜨거운 팬케이크에 얹은 버터보다 더 부드러워요! ?

1.3. 설치 확인

설치가 완료되면 모든 것이 제대로 작동하는지 확인해 보겠습니다. 터미널이나 명령 프롬프트를 열고 다음을 입력하세요:

conda --version

버전 번호가 보이면 축하합니다. Miniconda를 사용할 준비가 된 것입니다! ?

2단계: Conda 환경 설정

여기서 재미있는 부분이 나옵니다! Conda를 사용하면 격리된 환경을 만들어 프로젝트를 체계적으로 정리하고 패키지 충돌을 방지할 수 있습니다. 낚시 장비를 섞지 않고 취미마다 다른 옷장을 갖는 것과 같다고 생각하시나요? 게임 설정으로 ?.

2.1. 새 환경 만들기

새 환경(프로젝트의 개인 작업공간으로 생각)을 만들려면 다음 명령을 사용하세요.

conda create --name ml-env python=3.10

여기서 ml-env는 환경 이름이며 Python을 버전 3.10으로 설정합니다. 원하는 버전을 자유롭게 사용해 보세요.

2.2. 환경 활성화

패키지를 설치하기 전에 환경을 활성화해야 합니다.

conda activate ml-env

현재 ml-env 환경 내에 있음을 보여주는 프롬프트 변경 사항이 표시됩니다. ?‍♂️ Python의 새로운 차원으로 들어서는 것과 같습니다.

3단계: 필수 Python 라이브러리 설치

필요한 도구로 환경을 무장할 시간입니다! 기계 학습 모험의 영웅인 Pandas, NumPy, Matplotlib 및 Scikit-learn을 설치합니다. 그들을 당신의 어벤저스라고 생각하세요?‍♂️, 하지만 데이터 과학을 위한 것입니다.

3.1. 팬더를 설치하시겠습니까?

Pandas는 구조화된 데이터 작업에 적합합니다. 엑셀이라고 생각하시면 되는데 스테로이드에요?. 다음을 사용하여 설치하세요:

conda install pandas

3.2. NumPy를 설치하시겠습니까?

NumPy는 수치 연산 및 행렬 조작을 위한 라이브러리입니다. 이는 많은 기계 학습 알고리즘 뒤에 숨어 있는 비밀 소스입니다. 설치하려면:

conda install numpy

3.3. Matplotlib를 설치하시겠습니까?

아름다운 차트가 없다면 데이터 과학이 무슨 의미가 있을까요? Matplotlib는 선 그래프에서 산점도에 이르기까지 시각화를 만드는 데 적합합니다. 다음을 사용하여 설치하세요:

conda install matplotlib

(빠른 농담: 왜 그래프는 관계에 들어가지 않습니까? 그래프에는 "플롯"이 너무 많기 때문입니까?).

3.4. Scikit-learn을 설치하시겠습니까?

마지막으로 선형 회귀, 분류 등과 같은 기계 학습 알고리즘을 구현하려면 Scikit-learn이 필요합니다. 설치하려면:

conda install scikit-learn

4단계: 설정 확인

모든 일이 원활하게 진행되는지 확인해 보세요. 터미널에서 Python을 엽니다:

python

Python 셸 내부에서 라이브러리를 가져와서 모든 것이 올바르게 설치되었는지 확인하세요.

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

오류가 없으면 진행하셔도 됩니다! ? 다음을 입력하여 Python을 종료하세요.

exit()

5단계: 환경 관리

이제 환경이 모두 설정되었으므로 환경 관리를 위한 몇 가지 유용한 팁을 소개합니다.

5.1. 설치된 패키지 나열

귀하의 환경에 무엇이 설치되어 있는지 확인하고 싶으십니까? 간단히 입력하세요:

conda list

5.2. 환경을 저장하세요

환경 설정을 다른 사람과 공유하거나 나중에 다시 생성하려면 다음과 같이 파일로 내보낼 수 있습니다.

conda env export > environment.yml

5.3. 환경 비활성화

오늘의 작업이 끝나면 다음을 사용하여 환경을 종료할 수 있습니다.

conda deactivate

5.4. 환경 삭제

환경이 더 이상 필요하지 않은 경우(안녕, 오래된 프로젝트?) 환경을 완전히 제거할 수 있습니다.

conda remove --name ml-env --all

마음에 드셨다면 Github에서 저를 팔로우해주세요

-

최종 생각

축하해요! Miniconda, Conda 및 Pandas, NumPy, Matplotlib, Scikit-learn과 같은 필수 Python 라이브러리를 사용하여 로컬 기계 학습 환경을 성공적으로 설정했습니다. ? 새로운 환경은 격리되고 체계화되었으며 심각한 데이터 처리에 대비할 수 있습니다.

기억: 항상 환경을 깔끔하게 유지하지 않으면 얽힌 케이블과 임의의 Python 버전으로 가득 찬 내 오래된 옷장처럼 될 위험이 있습니다. ? 즐거운 코딩하세요!