Macos机器学习环境搭建(上)

0.1 miniconda安装

miniconda是精简版Anaconda（一种python发行版），只包含conda，python等基本依赖包。使用conda可以轻松创建多个虚拟环境，隔离不同项目的依赖和系统python，避免污染

brew search miniconda
brew install --cask miniconda

0.1.1 验证安装

conda --version

返回版本号安装成功，若显示命令找不到请配置环境变量

echo 'export PATH="/opt/homebrew/anaconda3/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

0.1.2 换源

编辑以下文件

${HOME}/.condarc

若没有找到则运行以下命令先创建

conda config --set show_channel_urls yes

然后编辑配置文件

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

清除索引缓存

conda clean -i

验证换源结果

conda info

0.2 安装vscode并安装python插件

略

0.3 conda创建虚拟环境

查找可用python版本

conda search python

创建新虚拟环境

conda create --name yourname python=3.13.5

conda会自动下载对应python版本和其依赖包

0.4 conda激活虚拟环境

初始化

conda init zsh

conda activate yourname

0.5 scikit-learn安装

conda搜索合适版本

conda search scikit-learn

安装

conda install scikit-learn=1.6.1

0.6 pandas安装

conda search pandas
conda install pandas=2.2.3

0.7 使用vscode编码

在vscode右下角切换python解释器

等待终端激活生效

0.7.1 验证环境

conda info --envs

星号标注的是当前使用的环境

import pandas as pd
from sklearn.tree import DecisionTreeRegressor

未报错且正常使用说明环境配置正确

0.8 配置kaggle API

配置kaggle api以便使用CLI方便的从kaggle下载数据集，以便学习使用

0.8.1 下载API Token

登陆kaggle官网，settings-API-Create new token保存kaggle.json文件

0.8.2 安装kaggle api

在当前conda虚拟环境中安装，便于管理

pip install kaggle

0.8.3 验证安装

pip list

0.8.4 配置kaggle.json

将该文件置于以下路径

~/.kaggle/kaggle.json

若不存在该目录则手动创建，之后编辑kaggle.json，可以自定义数据集安装路径，如

{"username":"yourname","key":"xxxxxxxxx","path":"/Users/yourname/dataset"}

0.8.5 验证配置

kaggle competitions list

能看到返回许多数据集说明配置正确

0.9 访问kaggle官网挑选数据集

在kaggle官网选择你需要的数据集，在Download-Kaggle CLI选项页面下可得到下载命令，在shell中输入即可下载

kaggle datasets download dansbecker/melbourne-housing-snapshot

之后便可以使用了