欢迎来到机器学习的世界！无论您是刚刚开始还是已经涉足了一些，拥有一个组织良好的本地环境都可以让您的生活变得更加轻松。在本指南中，我们将使用 Miniconda 和 Conda 设置您的本地环境。我们还将安装一些用于机器学习和数据科学的最基本的 Python 库：Pandas、NumPy、Matplotlib 和 Scikit-learn 。

警告：此设置 100% 无压力（除了我们安装库的部分？）。

为什么选择迷你康达？

您可能想知道：“为什么是 Miniconda 而不是 Anaconda？”嗯，这就像在一艘满载的宇宙飞船之间做出选择吗？ （Anaconda）和轻型、更可定制的航天器？ （迷你康达）。 Miniconda 只为您提供必需品，允许您仅安装所需的软件包并保持整洁。

第1步：安装Miniconda

1.1.下载Miniconda

前往 Miniconda 网站并下载适合您操作系统的安装程序：

• Windows：.exe 安装程序
• macOS：.pkg 安装程序
• Linux：.sh 安装程序

1.2.安装迷你康达

下载后，请按照您的系统的说明进行操作：

• Windows：运行 .exe 安装程序。当它询问时，选中“将 Miniconda 添加到我的 PATH 环境变量”框（这会让以后的生活更轻松，相信我？）。
• macOS/Linux：打开终端并运行安装程序：

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

按照提示操作。它比热煎饼上的黄油还要光滑！ ？

1.3.验证安装

安装完成后，让我们确保一切正常。打开终端或命令提示符并输入：

conda --version

如果您看到版本号，恭喜您 — Miniconda 已准备就绪！ ？

第2步：设置Conda环境

有趣的部分来了！使用 Conda，您可以创建隔离环境以保持项目井井有条并防止包冲突。可以将其视为针对不同爱好的不同壁橱 - 无需混合使用渔具？您的游戏设置？.

2.1.创造新环境

要创建一个新环境（将其视为项目的个人工作区），请使用以下命令：

conda create --name ml-env python=3.10

这里，ml-env 是您的环境名称，我们将 Python 设置为版本 3.10。请随意使用您喜欢的版本。

2.2.激活环境

在安装任何软件包之前，我们需要激活环境：

conda activate ml-env

您会注意到提示发生变化，表明您现在位于 ml-env 环境中。 ?‍♂️ 这就像步入 Python 的新维度......

第 3 步：安装必要的 Python 库

是时候用必要的工具武装您的环境了！我们将安装 Pandas、NumPy、Matplotlib 和 Scikit-learn——任何机器学习冒险的英雄。将他们视为您的复仇者联盟？‍♂️，但对于数据科学。

3.1.安装熊猫？

Pandas 非常适合处理结构化数据。您可以将其视为 Excel，但使用了类固醇？安装它：

conda install pandas

3.2.安装 NumPy 吗？

NumPy 是您进行数值运算和矩阵操作的首选库。这是许多机器学习算法背后的秘密武器。安装：

conda install numpy

3.3.安装 Matplotlib ？

如果没有漂亮的图表，数据科学还算什么？ Matplotlib 非常适合创建可视化效果，从折线图到散点图。安装它：

conda install matplotlib

（开个玩笑：为什么图表不产生关系？因为它们有太多“情节”？）。

3.4.安装 Scikit-learn 吗？

最后，我们需要 Scikit-learn 来实现线性回归、分类等机器学习算法。安装：

conda install scikit-learn

第 4 步：验证您的设置

让我们确保一切顺利。在终端中打开 Python：

python

进入 Python shell 后，尝试导入库以查看所有内容是否安装正确：

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

如果没有错误，就可以开始了！ ？继续并输入以下命令退出 Python：

exit()

第 5 步：管理您的环境

现在您的环境已全部设置完毕，这里有一些管理它的实用技巧。

5.1.列出已安装的软件包

想要查看您的环境中安装了什么？只需输入：

conda list

5.2.拯救您的环境

要与其他人共享您的环境设置或稍后重新创建它，您可以将其导出到文件：

conda env export > environment.yml

5.3.停用环境

当您完成一天的工作后，您可以通过以下方式退出环境：

conda deactivate

5.4.删除环境

如果您不再需要环境（再见，旧项目？），您可以完全删除它：

conda remove --name ml-env --all

如果你喜欢这个，请在​​ Github 上关注我

-

最后的想法

恭喜！您已经使用 Miniconda、Conda 以及 Pandas、NumPy、Matplotlib 和 Scikit-learn 等基本 Python 库成功设置了本地机器学习环境。 ？您的新环境是隔离的、有组织的，并准备好进行一些认真的数据处理。

记住：始终保持环境整洁，否则就有可能像我的旧衣柜一样——充满了纠结的电缆和随机的 Python 版本。 ？快乐编码！