[Python Machine Learning] Empfehlung zur Verwendung von Spyder für Anfänger (Stand August 2020)

Ich habe mich kürzlich für maschinelles Lernen interessiert und angefangen, Python zu studieren. Da maschinelles Lernen eine Voraussetzung ist, ist die Bibliothek vollständig "[Anadonda](https://ja.wikipedia.org/wiki/Anaconda_(Python%E3%83%87%E3%82%A3%E3%82%B9%E3%". 83% 88% E3% 83% AA% E3% 83% 93% E3% 83% A5% E3% 83% BC% E3% 82% B7% E3% 83% A7% E3% 83% B3)) " Ich baute eine Lernumgebung auf und fuhr mit dem Lernen fort, aber unterwegs "[Spyder](https://ja.wikipedia.org/wiki/Spyder_(%E3%82%BD%E3%83%95) % E3% 83% 88% E3% 82% A6% E3% 82% A7% E3% 82% A2))) ”wurde verwendet, und die Lerneffizienz hat sich erheblich verbessert. Daher werde ich diesen Artikel für Anfänger veröffentlichen, die gerade mit dem maschinellen Lernen mit Python beginnen.

■■ Was ist Anaconda? ■■

Anaconda ist eine kostenlose Open-Source-Distribution von Python- und R-Sprachen für das wissenschaftliche Rechnen (Data Science, Anwendungen für maschinelles Lernen, umfangreiche Datenverarbeitung, prädiktive Analyse usw.), die die Paketverwaltung und -bereitstellung vereinfacht. Darauf habe ich abgezielt. Paketversionen werden vom Paketverwaltungssystem conda verwaltet. Die Anaconda-Distribution wird von mehr als 15 Millionen Benutzern verwendet und umfasst über 1500 beliebte Data Science-Pakete für Windows, Linux und MacOS. (Zitiert aus Wikipedia)

Eine Python-Umgebung mit allen für maschinelles Lernen erforderlichen Bibliotheken wird bereitgestellt. Wenn Sie Python für maschinelles Lernen verwenden, können Sie dieses kostenlose Paket auswählen.

■■ Was ist Spyder (die Hauptrolle in diesem Artikel) ■■

Spyder (ehemals Pydee) ist eine plattformübergreifende, integrierte Open-Source-Entwicklungsumgebung für die wissenschaftliche Programmierung in Python. NumPy, SciPy, Matplotlib, IPython usw. sind in Spyder integriert. (Zitiert aus Wikipedia)

Es ist eine integrierte Entwicklungsumgebung wie beschrieben. Der Protagonist dieses Artikels. "Spyder" wird ohne Erlaubnis installiert, wenn "Anaconda" installiert wird.

■■ Installationsmethode ■■

Das Installationsverfahren von "Anaconda" wird unten vorgestellt.

"Anaconda: Windows-Version installieren"

Nach Abschluss der Installation wird "Spyder" beim Windows-Start automatisch installiert. image.png

Wenn Sie "Spyder" starten, wird der folgende Bildschirm angezeigt. Ich habe es zu Beginn der Installation einmal gestartet, aber ich wusste nicht, wie ich es verwenden sollte, und ich habe nicht bemerkt, wie erstaunlich dieses Kind war. Seit ich unterwegs bin und "Spyder" benutze, hat sich meine Lerneffizienz dramatisch verbessert. image.png

■■ Spyder-Betriebsmethode ■■

① Wenn Sie Spyder starten, wird der folgende Bildschirm geöffnet. image.png

(2) Beschreiben Sie die Syntax auf dem Bildschirm "temp.py" auf der linken Seite des Bildschirms. image.png

③ Drücken Sie die Ausführen-Taste. image.png

④ Das Ergebnis wird auf der Konsole unten rechts auf dem Bildschirm angezeigt. image.png

⑤ Natürlich können Sie die Programmdatei einfach speichern. Speichern wir das von Ihnen erstellte Programm. image.png

■■ Gute Punkte von Spyder (Hauptthema) ■■

Hier ist das Hauptproblem. Ich werde vorstellen, wie "Spyder" eine hervorragende Lernumgebung ist.

Einfach einzugebende Syntax

Anfangs begann ich zu lernen, indem ich "Anadonda Powershell Prompt" startete und ein Programm vom Terminal aus eingab. Es war das im Lehrmaterial beschriebene Verfahren, und es gab zunächst keine Schmerzen. Wenn es jedoch um lange Syntax wie def-Anweisung, Class-Anweisung und for-Anweisung geht, finde ich es sehr mühsam, jede einzelne einzugeben. image.png

Mit "Spyder" ist es jedoch einfach, die Syntax auf einmal auf dem Bildschirm einzugeben und zu bearbeiten. Es ist einfach, Variablen zu ändern und erneut auszuführen, sodass Sie verschiedene Dinge ändern und die Bewegung ausprobieren können. Es war sehr hilfreich, als ich Python studierte. image.png Da die Funktionen usw. farbcodiert sind, ist es auch auf einen Blick leicht zu verstehen.

Wird Ihnen sagen, ob die Syntax falsch ist

Und wenn ich versuchte, es zu verschieben und einen Fehler bekam, brauchte ich Zeit, um nachzuforschen. Das folgende Beispiel ist beispielsweise ein Fehler, der ausgegeben wird, wenn das ":" nach "x> 0" weggelassen wird. Irgendwie kommt eine mehrzeilige Nachricht heraus. Es ist schwer zu verstehen. image.png

Bei "Spyder" wird jedoch bei falscher Syntax ein "x" in der Spaltenspalte angezeigt, um Sie vor Ort zu informieren. Wenn Sie den Cursor auf "x" bewegen, werden die Details des Fehlers angezeigt. Sie müssen sich keine Gedanken über triviale Syntaxfehler machen. image.png

Der variable Explorer kann verwendet werden

Führen Sie beispielsweise die folgende Syntax aus.

a = 20
b = 30
c = (a+b)/3
d = (a+b)%3
e = "kamera"
f = "taiko"
g = e + f
h = ("neko","inu","saru")
i = [("aka","ao"),("kiiro","siro")]
j = {0 : "test",1 :"tst2",2 : "test3"}


Wenn ich wissen wollte, was in einer Variablen und dem Variablentyp festgelegt wurde, führte ich die zu überprüfenden Befehle für Variablenname und Typ aus. Diese Aufgaben können sehr zeitaufwändig sein, z. B. wenn ein Fehler auftritt. image.png

Bei "Spyder" wird jedoch "Variablen-Explorer" in der oberen rechten Ecke des Bildschirms angezeigt. Dort werden die verwendeten Variablen angezeigt. Sie können dies überprüfen, ohne einen Variablentyp oder Befehl einzugeben, und Sie können Zeit und Mühe sparen. image.png

Der Debug-Modus kann verwendet werden

Es gibt eine Funktion namens Debug-Modus. image.png Auf diese Weise kann die Syntax zeilenweise verarbeitet werden, sodass Sie sehen können, wie sie verarbeitet wird. Insbesondere bei Verwendung von def, if-Anweisung, Anweisung usw. hilft es, die Bewegung sichtbar zu verfolgen. Insbesondere in Kombination mit "Variablen-Explorer" wird dies beim Umschreiben auf einen Blick deutlich.

Versuchen Sie beispielsweise, die folgende Syntax im Debug-Modus auszuführen.

test = []
for x in [0,1,2]:
    for y in [1,2]:
        if x != y:
            test.append((x, y))

Der Prozess ist auf halbem Weg, aber es ist wie folgt. Auf dem Syntaxbildschirm ist die aktuell verarbeitete Zeile mit einem Pfeil markiert. Der Variablen-Explorer zeigt an, was Sie zu diesem Zeitpunkt tun. Da Sie Schritt für Schritt fortfahren können, können Sie den Inhalt des Prozesses verstehen. Dies macht es einfach, die Syntax zu verstehen, dass Sie nicht verstanden haben, wie der Prozess aussehen würde.

Syntaxbildschirm Variabler Explorer-Bildschirm
image.png image.png
image.png image.png
image.png image.png
image.png image.png
image.png image.png
image.png image.png
image.png image.png
image.png image.png
image.png image.png

In der Vergangenheit erstellte Skripte können sofort verwendet werden

Sie können das erstellte Programm einfach als Skript speichern. Sie können es jederzeit aus dem Dateibildschirm herausziehen. image.png

■■ Zusammenfassung ■■

Wie oben erwähnt, bietet es alle Funktionen für Anfänger, die Python lernen möchten. Die Bewertung mag unterschiedlich sein, wenn sie in der tatsächlichen Arbeit verwendet wird, aber sie ist ein sehr hervorragendes Werkzeug zum Lernen. Wenn Sie ein Anfänger sind, der gerade erst anfängt, Python zu lernen, verwenden Sie es bitte.

das ist alles

Recommended Posts

[Python Machine Learning] Empfehlung zur Verwendung von Spyder für Anfänger (Stand August 2020)
<Für Anfänger> Python-Bibliothek <Für maschinelles Lernen>
Lernablauf für Python-Anfänger
Checkios Empfehlung zum Erlernen von Python
Konstruktionsnotiz für eine maschinelle Lernumgebung von Python
Ein Memorandum über Methoden, die häufig beim maschinellen Lernen mit Scikit-Learn (für Anfänger) verwendet werden.
Erstellen Sie eine Umgebung für maschinelles Lernen mit Python unter MacOSX
Python-Anfänger veröffentlichen Web-Apps mithilfe von maschinellem Lernen [Teil 1] Einführung
Die Zusammenfassung des maschinellen Lernens in Python für Anfänger ist sehr kurz.
Zusammenfassung des maschinellen Lernens von Python-Anfängern
Ideone> Python-Version: 3.5 (Stand 29. August 2017)
[Python] Protokoll des Studientreffens für Anfänger (7/15)
Verstärken Sie Bilder für maschinelles Lernen mit Python
Erste Schritte für Anfänger des maschinellen Lernens (KI)
Warum Python für maschinelles Lernen ausgewählt wird
[Shakyo] Begegnung mit Python zum maschinellen Lernen
[Python] Webanwendungsdesign für maschinelles Lernen
Eine Einführung in Python für maschinelles Lernen
[Definitive Edition] Erstellen einer Umgebung zum Erlernen des "maschinellen Lernens" mit Python unter Windows
[Definitive Edition] Erstellen einer Umgebung zum Erlernen des "maschinellen Lernens" mit Python auf dem Mac
[Python] [Maschinelles Lernen] Anfänger ohne Wissen versuchen vorerst maschinelles Lernen
[Beispiel für eine Python-Verbesserung] Was ist die empfohlene Lernseite für Python-Anfänger?
Python-Anfänger veröffentlichen Web-Apps mit maschinellem Lernen [Teil 2] Einführung in explosives Python !!
Python-Lernnotiz für maschinelles Lernen von Chainer Kapitel 13 Grundlagen des neuronalen Netzwerks
Python-Lernnotiz für maschinelles Lernen von Chainer bis zum Ende von Kapitel 2
Empfohlene Studienreihenfolge für Anfänger des maschinellen Lernens / Deep Learning
Maschinelles Lernen des Sports - Analyse der J-League als Beispiel - ②
Python & Machine Learning Study Memo ⑤: Klassifikation von Ayame
Python & Machine Learning Study Memo Introduction: Einführung in die Bibliothek
[Python] Sammeln Sie Bilder mit Icrawler für maschinelles Lernen [1000 Blatt]
Einfaches Verständnis von Python für & Arrays (für Super-Anfänger)
Liste der Links, die Anfänger des maschinellen Lernens lernen
Lassen Sie uns einen Teil des maschinellen Lernens mit Python berühren
Versuchen Sie es mit dem Jupyter Notebook von Azure Machine Learning
[Für Anfänger] Einführung in die Vektorisierung beim maschinellen Lernen
Grundlegende Geschichte der Vererbung in Python (für Anfänger)
Kausales Denken mit maschinellem Lernen (Organisation von Methoden des kausalen Denkens)
[Für Anfänger künstlicher Intelligenz] Maschinelles Lernen / Deep Learning Programming Lernpfad und Nachschlagewerke
Richten Sie die Anzahl der Stichproben zwischen Datenklassen für maschinelles Lernen mit Python aus
Lassen Sie uns Covid-19 (Corona) -Daten mit Python analysieren [Für Anfänger]
Was ich über KI / maschinelles Lernen mit Python gelernt habe (1)
Bildersammlung Python-Skript zum Erstellen von Datensätzen für maschinelles Lernen
Erstellen Sie mit Python eine interaktive Umgebung für maschinelles Lernen
[Empfohlenes Tagging beim maschinellen Lernen # 2] Erweiterung des Scraping-Skripts
[Empfohlenes Tagging beim maschinellen Lernen # 2.5] Änderung des Scraping-Skripts
Der erste Schritt des maschinellen Lernens ~ Für diejenigen, die versuchen möchten, mit Python zu implementieren ~
Python-Lernnotiz für maschinelles Lernen von Chainer aus Kapitel 2
Python-Lernnotiz für maschinelles Lernen von Chainer Kapitel 1 und 2
Zusammenfassung der Vorverarbeitungsmethoden für Python-Anfänger (Pandas-Datenrahmen)
Python Lehrbuch für Anfänger
Was ich über KI / maschinelles Lernen mit Python gelernt habe (3)
Unterstützung für Python 2.7-Laufzeit auf AWS Lambda (ab 2020.1)
Vorbereitung zum Starten von "Python Machine Learning Programming" (für macOS)
[Python] Ich habe einen Klassifikator für Iris erstellt [Maschinelles Lernen]
Zusammenfassung des grundlegenden Ablaufs des maschinellen Lernens mit Python
[Für Anfänger im Deep Learning] Implementierung einer einfachen binären Klassifizierung durch vollständige Kopplung mit Keras
OpenCV für Python-Anfänger
Was ich über KI / maschinelles Lernen mit Python gelernt habe (2)
Alles für Anfänger, um maschinelles Lernen zu können