2021-02-20 20:47:57

new/handson-ds-py-ml/00.md

@@ -91,7 +91,7 @@ spark-submit SparkKMeans.py
 *   适用于 Mac 的 Zipeg / iZip / UnRarX
 *   适用于 Linux 的 7-Zip / PeaZip
 
-本书的代码包也托管在 GitHub 的 [https://github.com/PacktPublishing/Hands-On-Data-Science-and-Python-Machine-Learning](https://github.com/PacktPublishing/Hands-On-Data-Science-and-Python-Machine-Learning) 上。 我们还从[这个页面](https://github.com/PacktPublishing/)提供了丰富的书籍和视频目录中的其他代码包。 去看一下！
+本书的代码包也托管在 [GitHub](https://github.com/PacktPublishing/Hands-On-Data-Science-and-Python-Machine-Learning) 上。 我们还从[这个页面](https://github.com/PacktPublishing/)提供了丰富的书籍和视频目录中的其他代码包。 去看一下！
 
 # 下载本书的彩色图像
 

new/handson-ds-py-ml/07.md

@@ -509,7 +509,7 @@ ETL 是一种古老的做法，您需要先脱机转换一堆数据，然后再
 
 然后，我们存储最终与每个状态相关联的 *Q* 值，并可以使用它来告知其将来的选择。 因此，我们可以进入一个全新的迷宫，并拥有一个真正聪明的吃豆人，可以独自避开鬼魂并有效地将它们吃掉。 这是一个非常简单的概念，但是功能非常强大。 您也可以说您了解很多花哨的术语，因为它们全称为同一件事。 Q 学习，强化学习，马尔可夫决策过程，动态规划：所有这些都捆绑在同一个概念中。
 
-我不知道，我认为通过这样一种简单的方法实际上可以制造出一种人工智能的吃豆人真是太酷了，它确实有效！ 如果您想更详细地研究它，请参考以下示例，这些示例具有一个实际的源代码，您可以查看并可以使用 **Python Markov Decision Process Toolbox** ： [http://pymdptoolbox.readthedocs.org/en/latest/api/mdp.html](http://pymdptoolbox.readthedocs.org/en/latest/api/mdp.html) 。
+我不知道，我认为通过这样一种简单的方法实际上可以制造出一种人工智能的吃豆人真是太酷了，它确实有效！ 如果您想更详细地研究它，请参考以下示例，这些示例具有一个实际的源代码，您可以查看并可以使用 [**Python Markov Decision Process Toolbox**](http://pymdptoolbox.readthedocs.org/en/latest/api/mdp.html)。
 
 有一个 Python Markov 决策过程工具箱，将其包装在我们所讨论的所有术语中。 您可以查看一个示例，一个类似于猫和老鼠游戏的示例。 而且，实际上还有一个“吃豆人”示例，您也可以在网上查看，该示例与我们所讨论的内容更直接相关。 随意探索这些链接，并进一步了解它。
 

new/master-py-ds/04.md

@@ -138,7 +138,7 @@ matplotlib 的一个非常有用的功能是，它使得绘制多个图很容易
 
 # 设置情节样式
 
-matplotlib 库中的样式包使更改绘图图的样式更加容易。 更改为著名的 R 语言`ggplot`样式或使用 Nate Silver 的网站 [http://fivethirtyeight.com/](http://fivethirtyeight.com/) 来更改`fivethirtyeight`样式都非常容易。 以下示例显示了具有`ggplot`样式的简单折线图的绘制：
+matplotlib 库中的样式包使更改绘图图的样式更加容易。 更改为著名的 R 语言`ggplot`样式或使用 [Nate Silver 的网站](http://fivethirtyeight.com/)来更改`fivethirtyeight`样式都非常容易。 以下示例显示了具有`ggplot`样式的简单折线图的绘制：
 
 ```py
 >>> plt.style.use('ggplot')

new/master-py-ds/11.md

@@ -191,7 +191,7 @@ $ pip install git+git://github.com/amueller/word_cloud.git
 
 ![Creating a wordcloud](img/B03450_11_08.jpg)
 
-[http://moviepilot.com/](http://moviepilot.com/) 强调了电影中所显示的 Immortan Joe 的角色，一般角色以及的战争男孩。
+[这个页面](http://moviepilot.com/)强调了电影中所显示的 Immortan Joe 的角色，一般角色以及的战争男孩。
 
 # 单词和句子标记化
 

new/master-py-ds/12.md

@@ -793,6 +793,6 @@ Total: 19
 
 在本章中，向您介绍了大数据，了解了 Hadoop 软件的工作方式以及与之相关的架构。 然后，您学习了如何为 MapReduce 程序创建一个映射器和一个 reducer，如何在本地对其进行测试，然后将其放入 Hadoop 并进行部署。 然后，您被介绍到 Hadoopy 库中，并且使用该库，您能够将文件放入 Hadoop。 您还了解了 Pig 以及如何使用它创建用户定义的函数。 最后，您了解了 Apache Spark，它是 MapReduce 的替代品，以及如何使用它来执行分布式计算。
 
-在本章中，我们的旅程已经结束，您应该处于使用 Python 执行数据科学任务的状态。 从这里开始，您可以参加 [https://www.kaggle.com/](https://www.kaggle.com/) 上的 Kaggle 竞赛，以提高您解决实际问题的数据科学技能。 这将微调您的技能，并帮助您了解如何解决分析问题。
+在本章中，我们的旅程已经结束，您应该处于使用 Python 执行数据科学任务的状态。 从这里开始，您可以参加[这个页面](https://www.kaggle.com/)上的 Kaggle 竞赛，以提高您解决实际问题的数据科学技能。 这将微调您的技能，并帮助您了解如何解决分析问题。
 
 另外，您可以在[这个页面](https://www.coursera.org/learn/machine-learning)上注册来学习机器学习的 Andrew NG 课程，以了解机器学习算法背后的细微差别。
\ No newline at end of file

new/py-ds-essentials/0.md

@@ -47,7 +47,7 @@
 
 *   装有 Windows，macOS 或 Linux 操作系统且至少有 8 GB 内存的计算机（如果您的计算机上只有 4 GB，则无论如何都可以使用大多数示例）
 *   如果您想加快计算速度，可以在计算机上安装 GPU，您可以在[第 7 章](7.html)，*超越基础*的深度学习中找到。
-*   Python 3.6 安装，最好从 Anaconda（ [https://www.anaconda.com/download/](https://www.anaconda.com/download/) ）
+*   Python 3.6 安装，最好通过 [Anaconda](https://www.anaconda.com/download/)。
 
 # 下载示例代码文件
 
@@ -66,9 +66,9 @@
 *   Mac 版 Zipeg / iZip / UnRarX
 *   适用于 Linux 的 7-Zip / PeaZip
 
-本书的代码包也托管在 GitHub 的 [https://github.com/PacktPublishing/Python-Data-Science-Essentials-Third-Edition](https://github.com/PacktPublishing/Python-Data-Science-Essentials-Third-Edition) 上。 如果代码有更新，它将在现有的 GitHub 存储库中进行更新。
+本书的代码包也托管在 [GitHub](https://github.com/PacktPublishing/Python-Data-Science-Essentials-Third-Edition) 上。 如果代码有更新，它将在现有的 GitHub 存储库中进行更新。
 
-我们还有丰富的书籍和视频目录中的其他代码包，可通过 **[https://github.com/PacktPublishing/](https://github.com/PacktPublishing/)** 获得。 去看一下！
+我们还有丰富的书籍和视频目录中的其他代码包，可通过[这个页面](https://github.com/PacktPublishing/)获得。 去看一下！
 
 # 下载彩色图像
 

new/thoughtful-ds/03.md

@@ -16,13 +16,13 @@
 
 **注**：PixieApp 编程模型不需要任何 JavaScript 经验，但是，希望读者熟悉以下内容：
 
-*   Python（ [https://www.python.org](https://www.python.org) ）
-*   HTML5（ [https://www.w3schools.com/html](https://www.w3schools.com/html) ）
-*   CSS3（ [https://www.w3schools.com/css](https://www.w3schools.com/css) ）
+*   [Python](https://www.python.org)
+*   [HTML5](https://www.w3schools.com/html)
+*   [CSS3](https://www.w3schools.com/css)
 
 术语 **PixieApp** 代表 **Pixie Application，**，并且旨在强调其与 PixieDust 功能（尤其是`display()` API）的紧密集成。 其主要目标是使开发人员易于构建可以调用 Jupyter Notebook 中实现的数据分析的用户界面。
 
-PixieApp 遵循**单页应用程序**（ **SPA** ）设计模式（ [https://en.wikipedia.org/wiki/Single-page_application](https://en.wikipedia.org/wiki/Single-page_application) ），其中 向用户显示并带有欢迎屏幕，该屏幕会动态更新以响应用户交互。 更新可以是部分刷新，例如在用户单击控件后更新图形，也可以是完全刷新，例如在多步过程中更新新屏幕。 在每种情况下，更新都是通过使用特定机制触发的路由在服务器端进行控制的，我们将在后面讨论。 触发后，路由将执行代码以处理请求，然后发出 HTML 片段，该片段将应用于正确的目标 DOM 元素（ [https://www.w3schools.com/js/js_htmldom.asp](https://www.w3schools.com/js/js_htmldom.asp) ） 在客户端。
+PixieApp 遵循[**单页应用程序**（ **SPA** ）设计模式](https://en.wikipedia.org/wiki/Single-page_application)，其中 向用户显示并带有欢迎屏幕，该屏幕会动态更新以响应用户交互。 更新可以是部分刷新，例如在用户单击控件后更新图形，也可以是完全刷新，例如在多步过程中更新新屏幕。 在每种情况下，更新都是通过使用特定机制触发的路由在服务器端进行控制的，我们将在后面讨论。 触发后，路由将执行代码以处理请求，然后发出 HTML 片段，该片段将在客户端应用于正确的目标 [DOM 元素](https://www.w3schools.com/js/js_htmldom.asp)。
 
 以下序列图显示了运行 PixieApp 时客户端和服务器端如何交互：
 
@@ -145,9 +145,7 @@ app.run()
 
     ### 注意
 
-    您可以在此处找到代码文件：
-
-    [https://github.com/DTAIEB/Thoughtful-Data-Science/blob/master/chapter%203/sampleCode2.py](https://github.com/DTAIEB/Thoughtful-Data-Science/blob/master/chapter%203/sampleCode2.py)
+    [您可以在此处找到代码文件](https://github.com/DTAIEB/Thoughtful-Data-Science/blob/master/chapter%203/sampleCode2.py)。
 
 *   **方法**的局部变量：只要您将`@templateArgs`装饰器添加到方法中，PixieApp 就会自动将方法中定义的所有局部变量放在 Jinja2 模板字符串的范围内 在示例中：
 
@@ -162,9 +160,7 @@ app.run()
 
     ### 注意
 
-    您可以在此处找到代码：
-
-    [https：// github.com/DTAIEB/Thoughtful-Data-Science/blob/master/chapter%203/sampleCode3.py](https://github.com/DTAIEB/Thoughtful-Data-Science/blob/master/chapter%203/sampleCode3.py)
+    [您可以在此处找到代码](https://github.com/DTAIEB/Thoughtful-Data-Science/blob/master/chapter%203/sampleCode3.py)。
 
 ## 生成对路由的请求