GitLab wurde erfolgreich aktualisiert. Durch regelmäßige Updates bleibt das THM GitLab sicher. Danke für Ihre Geduld.

Commit a972a98b authored by Jens Plüddemann's avatar Jens Plüddemann

initial commit

parent 4c5b0f4d
# Predictive Analytics THM
## Wozu ist dieses Repo?
Dieses Repository soll für diejenigen, die nicht allzuviel Erfahrung mit Programmieren haben die Möglichkeit geben den Programmcode, der in der Vorlesung gezeit wird zu verstehen. Fast jede Zeile Code ist kommentiert, wobei hier der Focus nicht auf die Theorie (also was ausgerechnet wird) gelegt wird, sondern darauf zu verstehen, was die einzelnen Zeilen Code für eine Auswirkung haben
Desweiteren soll das Repo einen Startpunkt darstellen. In der folgenden Anleitung wird beschrieben, wie man auf einen Schlag alle in der Vorlesung benötigten Bibliotheken herunterladen und somit nutzen kann.
## Was wurde verändert?
Der Code ist nicht exakt gleich, wie der in der Vorlesung, aber erreicht immer das gleiche Ergebnis. Weiter unten ist eine kleine Liste mit Veränderungen
* Programmcode wurde deutlich vereinfacht
* Keine Benutzen von unnötigen Befehlen wie .iloc
* Vereinheitlichung von Aufrufen von Arrays
* Deutlich weniger Umwandeln von Listen zu Arrays und zurück, ohne jegliche Wirkung
* Generell weniger Umwandlungen, da die meisten Bibliotheken Dataframe oder Series von Pandas verstehen
* Codeausführung in der Fehlerbehebung ist kein erwünschenswerter Zustand
* usw.
* Hinzufügen von 3d Graphen in der multi linearen Regression
## Wie benutze ich dieses Repository
Es gibt generell 2 Möglichkeiten dieses Repository zu nutzen
Aber die ersten Schritte sind immer gleich
1. Installieren von Python
2. Installieren von Pip
3. Installieren von Pipenv
4. Installieren einer Entwicklungsumgebung (PyCharm)
5. Benutzen dieses Repos in der Entwicklungsumgebung
### 1. Installieren von Python
Es ist wichtig, dass die Pythonversion **3.7.6** installiert wird, da TensorFlow zur Zeit der Erstellung dieses Repos 3.8 **NICHT** unterstützt!
#### Linux
Python sollte in einer Linux Distro vorinstalliert sein. Es ist allerdings wichtig, dass die richtige Pythonversion istalliert ist. Hierbei sollten pacman, apt-get oder sonstige Packetmanager helfen.
Beispiel für Arch Linux mit Hilfe des AUR
```shell script
sudo trizen -S python37
```
#### Windows
[Pyhton 3.7.6 Downloadlink](https://www.python.org/downloads/release/python-376/)
Runter scrollen und Windows x86-64 executable installer oder Windows x86-64 web-based installer runterladen und installieren.
Hierbei ist es **WICHTIG** beim Installier ein Häckchen setzen, dass Python zum Umgebungsvariablen PATH hinzugefügt werden soll!
#### MacOS
[Pyhton 3.7.6 Downloadlink](https://www.python.org/downloads/release/python-376/)
macOS 64-bit installer runterladen und ausführen
ODER:
Python über Brew installieren
### 2. Installieren von Pip
Pip sollte mit Python mitinstalliert werden
### 3. Installieren von Pipenv
#### Windows
Powershell als Administrator öffenen WIN + X, dann Windows Powershell (Administrator)
```shell script
py -m pip install pipenv
```
#### Linux / MacOs
```shell script
sudo python -m pip install pipenv
```
Oder:
```shell script
sudo pip install pipenv
```
### 4. Installieren einer Entwicklungsumgebung
#### PyCharm
##### Windows / MacOs
[PyCharm herunterladen](https://www.jetbrains.com/de-de/pycharm/download/)
und den Installer ausführen
#### Linux ArchLinux User Repository
```shell script
sudo pacman -S pycharm-community-edition
```
### 5. Benutzen des Repos in einer Entwicklungsumgebung
#### PyCharm
* Beim ersten Ausführen
* Keine Einstellungen importieren
* Ein Theme auswählen und den Rest so lassen wie es ist
* File => Open Ordner predictive-analytics-new-master auswählen
* Oben links auf 1:Project drücken
* bei predictive-analytics-new auf den Dreieckspfeil drücken
* bei src auf den Dreieckspfeil nach rechts drücken
* bei airline-passengers auf den Dreieckspfeil drücken
* Doppelklick auf main.py
* Es sollte eine gelbe Warnung aufblinken
* File => Settings Bei Project: auf den Dreieckspfeil
* Python Interpreter klicken
* Oben rechts auf das Zahnrad klicken
* Auf Add drücken
* Links oben in der Liste auf Pipenv Environment klicken
* Als Base Interpreter **Python37** auswählen
* und OK
* Base Interpreter und Pipenv sollten automatisch erkannt werden
* es sollte nun eine virtuelle Umgebung erstellt werden und alle Bibliotheken installiert werden
* Der Rest steht im Quellcode
#### VS Code
* Lade dieses Repo über den Download-Button herunter (Wolke mit Pfeil nach unten)
* Alternativ clone dieses Repo über SSH
* Entpacke das Archiv
* Öffne die Powershell auf Windows / Terminal auf Linux / MacOs
* ```shell script
cd ~/Downloads/predictive-analytics-new-master
```
* ```
pipenv install
```
* pipenv sollte nun eine neue virtuelle Umgebung schaffen und die Bibliotheken installieren
* Anschließend kann man in VS Code über Datei => Ordner öffnen diesen Ordner öffnen
Markdown is supported
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment