Panduan Pemula: Menyediakan Persekitaran Setempat Anda untuk Pembelajaran Mesin dengan Miniconda dan Python

Selamat datang ke dunia pembelajaran mesin! Sama ada anda baru bermula atau telah mencuba sedikit, mempunyai persekitaran setempat yang teratur boleh menjadikan hidup anda lebih mudah. Dalam panduan ini, kami akan menyediakan persekitaran setempat anda menggunakan Miniconda dan Conda. Kami juga akan memasang beberapa perpustakaan Python yang paling penting untuk pembelajaran mesin dan sains data: Panda, NumPy, Matplotlib dan Scikit-learn .

Amaran: Persediaan ini 100% bebas tekanan (kecuali mungkin bahagian di mana kami memasang perpustakaan ?).

Kenapa Miniconda?

Anda mungkin tertanya-tanya: "Mengapa Miniconda dan bukan Anaconda?" Nah, ia seperti memilih antara kapal angkasa yang dimuatkan sepenuhnya? (Anaconda) dan kapal angkasa yang ringan dan lebih boleh disesuaikan ? (Miniconda). Miniconda memberi anda perkara penting sahaja, membolehkan anda memasang pakej yang anda perlukan sahaja dan memastikan barang kemas.

Langkah 1: Pasang Miniconda

1.1. Muat turun Miniconda

Lawati tapak web Miniconda dan muat turun pemasang yang sesuai untuk sistem pengendalian anda:

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

1.2. Pasang Miniconda

Setelah dimuat turun, ikut arahan untuk sistem anda:

• Windows: Jalankan pemasang .exe. Apabila ia bertanya, tandai kotak untuk "Tambahkan Miniconda pada pembolehubah persekitaran PATH saya" (ia akan menjadikan hidup lebih mudah kemudian, percayalah saya ?).
• macOS/Linux: Buka terminal dan jalankan pemasang:

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

Ikuti gesaan. Ia lebih licin daripada mentega pada pancake panas! ?

1.3. Sahkan Pemasangan

Setelah dipasang, mari pastikan semuanya berfungsi. Buka terminal atau command prompt anda dan taip:

conda --version

Jika anda melihat nombor versi, tahniah—anda mempunyai Miniconda sedia untuk digunakan! ?

Langkah 2: Sediakan Persekitaran Conda

Inilah bahagian yang menyeronokkan! Dengan Conda, anda boleh mencipta persekitaran terpencil untuk memastikan projek anda teratur dan mengelakkan konflik pakej. Fikirkan ia seperti mempunyai almari yang berbeza untuk hobi yang berbeza—tiada mencampur peralatan memancing ? dengan persediaan permainan anda ?.

2.1. Cipta Persekitaran Baharu

Untuk mencipta persekitaran baharu (anggap ia sebagai ruang kerja peribadi projek anda), gunakan arahan berikut:

conda create --name ml-env python=3.10

Di sini, ml-env ialah nama persekitaran anda dan kami menetapkan Python kepada versi 3.10. Jangan ragu untuk menggunakan mana-mana versi yang anda suka.

2.2. Aktifkan Persekitaran

Sebelum kami memasang sebarang pakej, kami perlu mengaktifkan persekitaran:

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

Anda akan melihat perubahan segera anda, menunjukkan anda kini berada di dalam persekitaran ml-env. ?‍♂️ Ia seperti melangkah ke dimensi baharu... Python, iaitu.

Langkah 3: Pasang Perpustakaan Python Penting

Masa untuk melengkapkan persekitaran anda dengan alatan yang diperlukan! Kami akan memasang Panda, NumPy, Matplotlib dan Scikit-Learn—wira dalam mana-mana pengembaraan pembelajaran mesin. Anggap mereka sebagai Avengers anda ?‍♂️, tetapi untuk sains data.

3.1. Pasang Panda ?

Panda bagus untuk bekerja dengan data berstruktur. Anda boleh menganggapnya sebagai Excel, tetapi pada steroid ?. Pasang dengan:

conda --version

3.2. Pasang NumPy ?

NumPy ialah perpustakaan pilihan anda untuk operasi berangka dan manipulasi matriks. Ia adalah sos rahsia di sebalik banyak algoritma pembelajaran mesin. Untuk memasang:

conda create --name ml-env python=3.10

3.3. Pasang Matplotlib ?

Apakah sains data tanpa beberapa carta yang cantik? Matplotlib sesuai untuk mencipta visualisasi, daripada graf garisan kepada plot berselerak. Pasang dengan:

conda activate ml-env

(Jenaka pantas: Mengapa graf tidak masuk ke dalam hubungan? Kerana ia mempunyai terlalu banyak "plot" ?).

3.4. Pasang Scikit-learn ?

Akhir sekali, kami memerlukan Scikit-Learn untuk melaksanakan algoritma pembelajaran mesin seperti regresi linear, pengelasan dan banyak lagi. Untuk memasang:

conda install pandas

Langkah 4: Sahkan Persediaan Anda

Mari pastikan semuanya berfungsi dengan lancar. Buka Python dalam terminal anda:

conda install numpy

Sebaik sahaja di dalam cangkerang Python, cuba import perpustakaan untuk melihat sama ada semuanya dipasang dengan betul:

conda install matplotlib

Jika tiada ralat, anda boleh pergi! ? Teruskan dan keluar dari Python dengan menaip:

conda install scikit-learn

Langkah 5: Mengurus Persekitaran Anda

Sekarang persekitaran anda sudah disediakan, berikut ialah beberapa petua berguna untuk mengurusnya.

5.1. Senaraikan Pakej yang Dipasang

Ingin melihat apa yang dipasang di persekitaran anda? Hanya taip:

python

5.2. Selamatkan Persekitaran Anda

Untuk berkongsi persediaan persekitaran anda dengan orang lain atau menciptanya semula kemudian, anda boleh mengeksportnya ke fail:

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

5.3. Nyahaktifkan Persekitaran

Apabila anda selesai bekerja untuk hari itu, anda boleh keluar dari persekitaran dengan:

exit()

5.4. Padamkan Persekitaran

Jika anda tidak lagi memerlukan persekitaran (selamat tinggal, projek lama ?), anda boleh mengalih keluarnya sepenuhnya:

conda list

Jika anda menyukai ini, ikuti saya di Github

-

Fikiran Akhir

Tahniah! Anda telah berjaya menyediakan persekitaran pembelajaran mesin tempatan anda dengan Miniconda, Conda dan perpustakaan Python penting seperti Pandas, NumPy, Matplotlib dan Scikit-learn. ? Persekitaran baharu anda telah diasingkan, teratur dan bersedia untuk beberapa masalah data yang serius.

Ingat: Sentiasa pastikan persekitaran anda kemas, atau berisiko berakhir seperti almari lama saya—penuh dengan kabel berselirat dan versi Python rawak. ? Selamat mengekod!

Atas ialah kandungan terperinci Panduan Pemula: Menyediakan Persekitaran Setempat Anda untuk Pembelajaran Mesin dengan Miniconda dan Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!