首页 > 后端开发 > Python教程 > 初学者指南:使用 Miniconda 和 Python 设置本地机器学习环境

初学者指南:使用 Miniconda 和 Python 设置本地机器学习环境

DDD
发布: 2024-10-23 06:13:02
原创
417 人浏览过

Beginners Guide: Setting Up Your Local Environment for Machine Learning with Miniconda and Python

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 MinicondaConda 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重要的 Python 库:PandasNumPyMatplotlibScikit-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,允许您仅安装您需要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
登录后复制
登录后复制

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
登录后复制
登录后复制

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?您的游戏设置如何?.

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
登录后复制
登录后复制

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:

  bash Miniconda3-latest-Linux-x86_64.sh  # for Linux
  bash Miniconda3-latest-MacOSX-x86_64.sh  # for macOS
登录后复制
登录后复制

您会注意到提示发生的变化,表明您现在位于 ml-env 环境中。 ?‍♂️ 这就像步入了 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 PandasNumPyMatplotlibScikit-learn — 任何机器学习冒险的英雄。将他们视为您的复仇者联盟?‍♂️,但用于数据科学。

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,但增强版?。安装它:

conda --version
登录后复制
登录后复制

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 create --name ml-env python=3.10
登录后复制
登录后复制

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 activate ml-env
登录后复制

(小玩笑: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 pandas
登录后复制

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:

conda install numpy
登录后复制

进入 Python shell 后,尝试导入库以查看所有内容是否安装正确:

conda install matplotlib
登录后复制

如果没有错误,就可以开始了! ?继续输入以下命令退出 Python:

conda install scikit-learn
登录后复制

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:

python
登录后复制

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:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import sklearn
登录后复制

5.3.停用环境

完成一天的工作后,您可以通过以下方式退出环境:

exit()
登录后复制

5.4.删除环境

如果您不再需要环境(再见,旧项目?),您可以将其完全删除:

conda list
登录后复制

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,并准备好进行一些重要的数据处理。

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!

以上是初学者指南:使用 Miniconda 和 Python 设置本地机器学习环境的详细内容。更多信息请关注PHP中文网其他相关文章!

来源:dev.to
本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板