Добро пожаловать в мир машинного обучения! Независимо от того, начинаете ли вы или уже немного побаловались, хорошо организованная местная среда может значительно облегчить вашу жизнь. В этом руководстве мы настроим вашу локальную среду с помощью Miniconda и Conda. Мы также установим некоторые из наиболее важных библиотек Python для машинного обучения и обработки данных: Pandas, NumPy, Matplotlib и Scikit-learn. .

Внимание: эта установка на 100 % проста (за исключением, может быть, той части, где мы устанавливаем библиотеки?).

Почему Миниконда?

Вам может быть интересно: «Почему Миниконда, а не Анаконда?» Ну это как выбирать между полностью загруженным космическим кораблем? (Анаконда) и легкий, более настраиваемый космический корабль? (Миниконда). Miniconda предоставляет вам только самое необходимое, позволяя устанавливать только те пакеты, которые вам нужны, и поддерживать порядок.

Шаг 1: Установите Миниконду

1.1. Скачать Миниконду

Перейдите на сайт Miniconda и загрузите соответствующий установщик для вашей операционной системы:

• Windows: установщик .exe
• macOS: установщик .pkg
• Linux: установщик .sh

1.2. Установить Миниконду

После загрузки следуйте инструкциям для вашей системы:

• Windows: запустите установщик .exe. Когда он спросит, установите флажок «Добавить Miniconda в мою переменную среды PATH» (это облегчит жизнь позже, поверьте мне?).
• macOS/Linux: откройте терминал и запустите установщик:

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

Следуйте подсказкам. Это мягче, чем масло на горячем блине! ?

1.3. Проверка установки

После установки давайте убедимся, что все работает. Откройте терминал или командную строку и введите:

conda --version

Если вы видите номер версии, поздравляем — Miniconda готова к работе! ?

Шаг 2. Настройка среды Conda

А вот и самое интересное! С помощью Conda вы можете создавать изолированные среды, чтобы поддерживать порядок в ваших проектах и ​​предотвращать конфликты пакетов. Думайте об этом, как будто у вас есть разные шкафы для разных хобби — не смешивать рыболовные снасти? с вашей игровой настройкой?.

2.1. Создайте новую среду

Чтобы создать новую среду (представьте ее как личное рабочее пространство вашего проекта), используйте следующую команду:

conda create --name ml-env python=3.10

Здесь ml-env — это имя вашей среды, и мы устанавливаем версию Python 3.10. Не стесняйтесь использовать любую версию, которую вы предпочитаете.

2.2. Активируйте среду

Прежде чем устанавливать какие-либо пакеты, нам необходимо активировать среду:

conda activate ml-env

Вы заметите изменения в подсказках, показывающие, что теперь вы находитесь в среде ml-env. ?‍♂️ Это как шаг в новое измерение... Python, то есть.

Шаг 3. Установите основные библиотеки Python

Пришло время вооружить вашу среду необходимыми инструментами! Мы установим Pandas, NumPy, Matplotlib и Scikit-learn — героев любого приключения в области машинного обучения. Думайте о них как о своих Мстителях ?‍♂️, но для науки о данных.

3.1. Установить Панду?

Pandas отлично подходит для работы со структурированными данными. Вы можете думать об этом как об Excel, но на стероидах? Установите его с помощью:

conda install pandas

3.2. Установить NumPy?

NumPy – это идеальная библиотека для числовых операций и манипуляций с матрицами. Это секретный соус многих алгоритмов машинного обучения. Для установки:

conda install numpy

3.3. Установить Матплотлиб?

Что за наука о данных без красивых диаграмм? Matplotlib идеально подходит для создания визуализаций: от линейных графиков до диаграмм рассеяния. Установите его с помощью:

conda install matplotlib

(Быстрая шутка: Почему графики не вступают в отношения? Потому что у них слишком много «сюжетов»?).

3.4. Установить Scikit-learn?

Наконец, нам нужен Scikit-learn для реализации алгоритмов машинного обучения, таких как линейная регрессия, классификация и многое другое. Для установки:

conda install scikit-learn

Шаг 4. Проверьте настройки

Давайте убедимся, что все работает гладко. Откройте Python в своем терминале:

python

Попав в оболочку Python, попробуйте импортировать библиотеки, чтобы убедиться, что все установлено правильно:

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

Если ошибок нет, всё готово! ? Выйдите из Python, набрав:

exit()

Шаг 5. Управление средой

Теперь, когда ваша среда настроена, вот несколько полезных советов по управлению ею.

5.1. Получение списка установленных пакетов

Хотите посмотреть, что установлено в вашей среде? Просто введите:

conda list

5.2. Сохраните свою окружающую среду

Чтобы поделиться настройками своей среды с другими или воссоздать их позже, вы можете экспортировать их в файл:

conda env export > environment.yml

5.3. Деактивировать среду

Когда вы закончите работу в течение дня, вы можете выйти из среды с помощью:

conda deactivate

5.4. Удалить среду

Если вам больше не нужна среда (прощайте, старые проекты?), вы можете удалить ее полностью:

conda remove --name ml-env --all

Если вам это понравилось, подписывайтесь на меня на Github

-

Заключительные мысли

Поздравляю! Вы успешно настроили локальную среду машинного обучения с помощью Miniconda, Conda и основных библиотек Python, таких как Pandas, NumPy, Matplotlib и Scikit-learn. ? Ваша новая среда изолирована, организована и готова к серьезной обработке данных.

Помните: всегда держите свое окружение в порядке, иначе вы рискуете превратиться в мой старый шкаф, полный запутанных кабелей и случайных версий Python. ? Приятного кодирования!