diff --git a/docs/10.md b/docs/10.md index 8cdea4d2f7ad315f549e7ff969842b7745ff2a31..416801c09ceb8f05b3f99d6d71d912168bf5e3ed 100644 --- a/docs/10.md +++ b/docs/10.md @@ -6,7 +6,7 @@ Python 内置了对[字符串](https://pythonbasics.org/strings/)替换的支持 可以使用字符串对象调用`str.replace(old, new)`方法。 本文演示了替换方法。 -并非所有的编程语言都具有标准的字符串替换功能。 Python 具有许多现成的功能。 +并非所有的编程语言都具有标准的字符串替换函数。 Python 具有许多现成的函数。 diff --git a/docs/126.md b/docs/126.md index 64b1571ea84ab52ae99428d03b7445716505409b..8e6f6d5c9542548fbb99252aabb6fac76083f7a8 100644 --- a/docs/126.md +++ b/docs/126.md @@ -18,7 +18,7 @@ 监督学习的基础是称为培训数据的数据和一组培训示例。 -带标签的训练集具有预测其他对象上未知标签的功能。 +带标签的训练集具有预测其他对象上未知标签的特征。 它有两种类型： @@ -55,9 +55,9 @@ 因此，知道了这一点，就可以快速恢复六种机器学习算法。 -* **线性回归** & **线性分类器**：如果有最简单的算法，应该使用这些算法。 当您具有成千上万的功能并需要提供不错的质量时，可以使用它。 +* **线性回归** & **线性分类器**：如果有最简单的算法，应该使用这些算法。 当您具有成千上万的特征并需要提供不错的质量时，可以使用它。 -比这些更好的算法可能会过拟合，而回归和分类器将确保大量功能。 +比这些更好的算法可能会过拟合，而回归和分类器将确保大量特征。 * **Logistic 回归**：执行二进制分类，因此标签输出为二进制。 它采用特征的线性组合，并对其应用非线性函数。 这是非线性分类器最简单的算法。 @@ -65,6 +65,6 @@ * **K-均值**：如果您的目标是根据对象的特征分配标签，但是您没有任何标签，则称为聚类任务，该算法可以实现这一任务。 但是，有多种聚类方法具有不同的优缺点，应该首先考虑一下。 -* **主成分分析（PCA）**：当您具有广泛的功能，彼此之间高度相关并且模型很容易适合大量数据时，可以应用它。 该算法在减少信息损失最小的情况下很好地减少了维数。 +* **主成分分析（PCA）**：当您具有广泛的特征，彼此之间高度相关并且模型很容易适合大量数据时，可以应用它。 该算法在减少信息损失最小的情况下很好地减少了维数。 * **神经网络**：每个特定任务都有许多不同的体系结构或一系列层/组件。 在处理图像时，神经网络是理想的选择。 他们的训练需要巨大的计算复杂性，但却提出了算法的新时代。 \ No newline at end of file diff --git a/docs/127.md b/docs/127.md index 2a96ae17c85287a35116766d249a728fd0a8f105..288e9e7eeca3e427e4107c905c635c1c11b3de90 100644 --- a/docs/127.md +++ b/docs/127.md @@ -12,9 +12,9 @@ ### 什么是 Scikit-Learn -Sсіkіt-lеаrn（ **sklearn** ）是一种由 PüthоnSüіn 所制造的新型产品。 这是用于 d 和 t d 的所有数据的简单明了的功能。 因为它是使用 BSD 所必需的，所以无论是出于商业目的还是出于商业目的，都可以使用它。 +Sсіkіt-lеаrn（**sklearn**）是一种免费使用的机器学习模块。 这是用于数据分析和机器学习的简有效的工具。 因为它在 BSD 协议下发布，所以无论是出于商业目的还是出于商业目的，都可以使用它。 -在 scikit-learn 中，用户可以查询诸如 médélsеlte，nclustering，рrерrоsssing 和 mare 之类的过分不同的类别。 该模块是实现完整的手段。 +在 scikit-learn 中，用户可以执行不同类别的多种任务，例如模型选择，聚类，预处理和更多。 该模块提供了实现完整的手段。 ### 为什么要学习 Scikit？ diff --git a/docs/128.md b/docs/128.md index 75087ab96ccbd5d50d1668ee3111eeb9403894c5..51b2c9e880d98ddec7d63ff49351edf190ef0930 100644 --- a/docs/128.md +++ b/docs/128.md @@ -11,7 +11,7 @@ 在深入探讨之前，您需要知道 CSV 或逗号分隔的值是呈现机器学习数据的最常用格式。 在机器学习数据的 CSV 文件中，您需要了解一些零件和功能。 这些包括： * **CSV 文件标题**：CSV 文件中的标题用于将名称或标签自动分配给数据集的每一列。 如果您的文件没有标题，则必须手动命名属性。 -* **注释**：当一行以井号（＃）开头时，您可以在 CSV 文件中标识注释。 根据您选择的加载机器学习数据的方法，您将不得不确定是否要显示这些注释，以及如何识别它们。 +* **注释**：当一行以井号（# ）开头时，您可以在 CSV 文件中标识注释。 根据您选择的加载机器学习数据的方法，您将不得不确定是否要显示这些注释，以及如何识别它们。 * **定界符**：定界符分隔字段中的多个值，并用逗号（，）表示。 制表符（\ t）是可以使用的另一个定界符，但是必须明确指定它。 * **引号**：如果文件中的字段值包含空格，则通常会用引号引起来，并且表示该值的符号为双引号。 如果选择使用字符，则需要在文件中指定。 diff --git a/docs/129.md b/docs/129.md index b43c2c568ed29e71d0132b93f2a68fc21300a51f..5e92431d8aebef246e63aa070ea21be1e0262a03 100644 --- a/docs/129.md +++ b/docs/129.md @@ -20,9 +20,9 @@ **由于使用示例数据，因此请首先收集数据。** 像一组苹果和桔子的图像，并记下了特征。 -**功能可用于区分两个类别**。 特征是一种属性，例如颜色，形状或重量。 它可以表示为数值。 +**特征可用于区分两个类别**。 特征是一种属性，例如颜色，形状或重量。 它可以表示为数值。 -关键任务之一是从训练数据中获得良好的功能。 写下每个图像的类别。 类别是类，对于苹果，您可以选择 0 类，对于橘子，您可以采用 1 类。 +关键任务之一是从训练数据中获得良好的特征。 写下每个图像的类别。 类别是类，对于苹果，您可以选择 0 类，对于橘子，您可以采用 1 类。 您可以根据需要设置任意多个类，但是在此示例中，我们将使用 2 个类（苹果和橘子）。 diff --git a/docs/130.md b/docs/130.md index 38ad3ab8d9d6d73fb56a4f31a78be6d9be54ba49..f102cacb87587a533d824ae8c0c1cd83827a708c 100644 --- a/docs/130.md +++ b/docs/130.md @@ -17,14 +17,14 @@ 然后，您使用回归算法。 -假设您要根据功能预测房价。 收集数据是 -的第一步。 功能可能是房间数量，以 m ^ 2 为单位的面积，邻里质量等。 +假设您要根据特征预测房价。 收集数据是 +的第一步。 特征可能是房间数量，以 m ^ 2 为单位的面积，邻里质量等。 ![linear regression training data](img/79a66fc75d419b006ca2189da2f75d08.jpg) ### 示例 -写下功能：＃area_m2。 +写下特征：# area_m2。 对于我们的示例代码，如下所示。 ```py diff --git a/docs/132.md b/docs/132.md index 6def90832befb9901eb0ca379db8597c010f30ae..353c780a1e77c94719230d753b81e0735707ba39 100644 --- a/docs/132.md +++ b/docs/132.md @@ -37,9 +37,9 @@ 算法将其处理为： > 决策树具有对象，而对象具有语句。 -> 每个语句都有功能。 -> 功能是对象的属性。 -> 算法会研究此过程，直到完成每个语句和每个功能。 +> 每个语句都有特征。 +> 特征是对象的属性。 +> 算法会研究此过程，直到完成每个语句和每个特征。 要以编程语言使用决策树，请执行以下步骤： diff --git a/docs/134.md b/docs/134.md index 3f57dc79ffeb301ea21ca4152e96cdee973b3e4a..e5b85c15730cdc604f91226af1a3272854ddf422 100644 --- a/docs/134.md +++ b/docs/134.md @@ -4,7 +4,7 @@ 数据是无限的。 数据科学家每天都要处理！ -有时我们有数据，我们有功能，我们想尝试预测会发生什么。 +有时我们有数据，我们有特征，我们想尝试预测会发生什么。 为此，数据科学家将这些数据放入机器学习中以创建模型。 diff --git a/docs/135.md b/docs/135.md index 76d079736200e814da2b70d4f2981108b96ef733..b4155c3adc91738d7201f46f4fe9cf8f3e194337 100644 --- a/docs/135.md +++ b/docs/135.md @@ -34,7 +34,7 @@ OpenCV 意味着“开放源代码计算机视觉”，它是一个最初用 C++ 听起来确实对人脸检测准确。 OpenCV 可以使用机器学习算法在图片中搜索人脸。 -但是这个过程很棘手，因为面孔很复杂。 必须匹配成千上万的小图案和功能。 +但是这个过程很棘手，因为面孔很复杂。 必须匹配成千上万的小图案和特征。 ![opencv python](img/de39095660d68731ea5870a862a1f418.jpg) diff --git a/docs/14.md b/docs/14.md index 5ee05dac3d6efd45334f90d21369346cdbf28705..08356a4f0f8e791953353c43f814b489e0d94374 100644 --- a/docs/14.md +++ b/docs/14.md @@ -2,7 +2,7 @@ > 原文： [https://pythonbasics.org/random-numbers/](https://pythonbasics.org/random-numbers/) -名为`random`的模块可用于在 Python 中生成随机数。 要使用模块，您需要输入`import module`。 这会将所有功能加载到模块内部。 +名为`random`的模块可用于在 Python 中生成随机数。 要使用模块，您需要输入`import module`。 这会将所有函数加载到模块内部。 请记住，带有随机模块的随机数是伪随机数。 对于大多数程序来说，这很好。 @@ -19,7 +19,7 @@ import random ``` -这个模块有几个功能，最重要的一个就是命名为`random()`。`random()`函数生成介于 0 和 1 之间的浮点数 `[0.0, 1.0]`。 +这个模块有几个函数，最重要的一个就是命名为`random()`。`random()`函数生成介于 0 和 1 之间的浮点数 `[0.0, 1.0]`。 随机模块具有伪随机数生成器，这意味着它们并不是真正的随机数。 diff --git a/docs/15.md b/docs/15.md index 11a875e9beaacf2c02f6b41d794b30f0a69779ce..765c98ba62da0962c104cbf5a8311d03623ba09d 100644 --- a/docs/15.md +++ b/docs/15.md @@ -10,7 +10,7 @@ ## 示例 -如果指定了参数，则输入功能会提示文本。 该功能从键盘读取输入，将其转换为字符串并删除换行符（`Enter`）。 +如果指定了参数，则输入函数会提示文本。 该函数从键盘读取输入，将其转换为字符串并删除换行符（`Enter`）。 输入以下脚本并进行尝试（另存为`key.py`） diff --git a/docs/154.md b/docs/154.md index e586e7dc1b6205d87be973494e5aa47da6fbc38e..d73b7cb863d221cbcbe03ebefb072ab2b7615ea4 100644 --- a/docs/154.md +++ b/docs/154.md @@ -35,7 +35,7 @@ def hello_world(): 创建路由时可以使用参数。 参数可以是这样的字符串（文本）：`/product/cookie`。 -这将具有以下路由和功能： +这将具有以下路由和函数： ```py @app.route('/product/') diff --git a/docs/18.md b/docs/18.md index d63680bb9637d4e478df7ea3f807f04c42f492b8..21a2627491c9ee787a8f6e6d8e034fc935814c59 100644 --- a/docs/18.md +++ b/docs/18.md @@ -14,7 +14,7 @@ 在下面的练习中，我们将对列表的每个项目重复执行操作。 -第一个循环将为列表的每个项目重复打印功能。 +第一个循环将为列表的每个项目重复打印函数。 第二个循环将对列表`num`的每个元素进行计算并打印结果。 在下面输入代码并运行程序。 diff --git a/docs/24.md b/docs/24.md index 6cf976e807912a97e84122c54646c8d1151f79c6..bbacff90f474cbebb52cae5d348636b10b0ed1c4 100644 --- a/docs/24.md +++ b/docs/24.md @@ -54,7 +54,7 @@ print(x) 首先，列表使用`x.sort()`排序。 -然后将其提供给功能`reversed()`，该函数以列表作为参数。 但是，该函数不会返回列表对象，而是返回迭代器。 方法`list()`转换`reversed()`的输出，并将其转换为列表对象。 +然后将其提供给函数`reversed()`，该函数以列表作为参数。 但是，该函数不会返回列表对象，而是返回迭代器。 方法`list()`转换`reversed()`的输出，并将其转换为列表对象。 ![sort list](img/f33baba9840d1f4a7c43d5bb70282c8e.jpg) diff --git a/docs/3.md b/docs/3.md index ade76c5e8cf700719036e143c84e9023ef7e4cd6..4e8dac71d2a0c18a03b90f68761ccee0863ec891 100644 --- a/docs/3.md +++ b/docs/3.md @@ -10,7 +10,7 @@ 如果您是第一次编程，那么 Python 是一个不错的选择。 开始使用后，您会发现 Python 友好且易于学习，具有大量的应用程序并且是开源的。 -它具有多种编程示例和面向对象的功能编程。 +它具有多种编程示例和面向对象编程。 Python 被描述为一种解释型和动态编程语言，重点在于代码的可读性。 比 Java 或 C++ 具有更少的编码步骤。 diff --git a/docs/30.md b/docs/30.md index 20e9a41c391ab60e2885c2faee92691626a0689c..0432223bf243669e871a375166a972b0b2477673 100644 --- a/docs/30.md +++ b/docs/30.md @@ -25,7 +25,7 @@ slice = pizza[0:2] Python 从零开始而不是从 1 开始对字符串和列表元素编号。 -在这种情况下，我们从比萨饼列表中获取了一个切片，将输出存储到新变量中。如果需要，可以将其直接传递给打印功能。 +在这种情况下，我们从比萨饼列表中获取了一个切片，将输出存储到新变量中。如果需要，可以将其直接传递给打印函数。 ### 列表切片 diff --git a/docs/32.md b/docs/32.md index 731a6d9b53415028948da3ad7b4a5854fb5a3c3e..9f406b7fc7b3feb5d5249bb8651f9eb773de094f 100644 --- a/docs/32.md +++ b/docs/32.md @@ -53,7 +53,7 @@ print(balance) 请尝试以下练习： -1. 添加功能减少量以更改变量余额 +1. 添加函数`subAmount`以更改变量余额 2. 创建带有局部变量的函数 [下载示例](https://gum.co/dcsp) \ No newline at end of file diff --git a/docs/33.md b/docs/33.md index d606d9fe2099d83625c34abb7722a63998b1eb2a..97bd84be524f29dbd01c9197af54a137844bbb0e 100644 --- a/docs/33.md +++ b/docs/33.md @@ -4,7 +4,7 @@ Python 可以使用模块`time`获得系统时间。`time`属于标准库。 您可以通过输入`import time`加载此模块。 -时间模块具有各种与时间相关的功能。 并非所有功能都存在于所有操作系统上。 +时间模块具有各种与时间相关的函数。 并非所有函数都存在于所有操作系统上。 时间模块从 1970 年 1 月 1 日开始。 diff --git a/docs/35.md b/docs/35.md index f7dd1ae9384b072908385cab6f77e75c60f62be9..b7eb12366ec7f95f2c696b27daa03a3fbeaf9e45 100644 --- a/docs/35.md +++ b/docs/35.md @@ -4,7 +4,7 @@ `pip`是 Python 的软件包管理器。 您可以使用它来安装模块。 有时系统在商店中有两个版本的`pip`，您需要版本 3（最新版本）。 -模块就是代码：以功能或对象的形式。 您可以将此包含在程序中并以此为基础。 您可以将其视为用于构建项目的预制部件。 +模块就是代码：以函数或对象的形式。 您可以将此包含在程序中并以此为基础。 您可以将其视为用于构建项目的预制部件。 PyPI 是 Python 软件包的索引，用于存储 Python 的所有正式模块。 diff --git a/docs/53.md b/docs/53.md index d1eac8b9ce2d13eecde3d4011d32c190ab72d719..98c10ed9bf6d31edebdd8ab62c7dcc07bd6f3b4d 100644 --- a/docs/53.md +++ b/docs/53.md @@ -4,11 +4,11 @@ 在本教程中学习 **Python 装饰器**。 -使用装饰器向现有功能添加功能。 这称为元编程。 +使用装饰器向现有函数添加功能。 这称为元编程。 一个函数可以将一个函数作为参数（要修饰的函数），并返回带或不带扩展名的相同函数。 -扩展功能有时非常有用，我们将在本文稍后展示真实的示例。 +扩展函数有时非常有用，我们将在本文稍后展示真实的示例。 @@ -65,13 +65,13 @@ obj = hello(name) 函数`name()`由函数`hello()`装饰。 -它将功能包装在另一个功能中。 +它将函数包装在另一个函数中。 ![python decorator](img/57fb7912dc28c38162a13f0cba302365.jpg) ### 示例 2 -可以通过包装功能来扩展它们。 +可以通过包装函数来扩展它们。 ```py def who(): @@ -128,7 +128,7 @@ obj = hello(name) ### 参数 -参数可以与装饰器一起使用。 如果您有一个打印总和`a + b`的功能，例如 +参数可以与装饰器一起使用。 如果您有一个打印总和`a + b`的函数，例如 ```py def sumab(a,b): diff --git a/docs/70.md b/docs/70.md index 41ee2fe1cbd155ab02e24a9d79d23ff3a06bbc49..eb3db4b55f6bedb7525e4316714d486fac96dcb4 100644 --- a/docs/70.md +++ b/docs/70.md @@ -10,7 +10,7 @@ Tk 中的框架可让您组织和分组小部件。 它像一个容器一样工 ### Tkinter 框架按钮 -下面的 Tkinter 程序演示了框架的使用。 它包括带有回调功能的按钮。 框架可以有填充。 +下面的 Tkinter 程序演示了框架的使用。 它包括带有回调函数的按钮。 框架可以有填充。 ```py from tkinter import *