From 67de8227e2a0c82c66aa147e1a45244f075c1d78 Mon Sep 17 00:00:00 2001 From: Flex Zhong Date: Sat, 4 Sep 2021 08:07:20 +0800 Subject: [PATCH] Update README.zh-cn.md --- .../1-Introduction/translations/README.zh-cn.md | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/4-Classification/1-Introduction/translations/README.zh-cn.md b/4-Classification/1-Introduction/translations/README.zh-cn.md index 78406fa8..0a8886b3 100644 --- a/4-Classification/1-Introduction/translations/README.zh-cn.md +++ b/4-Classification/1-Introduction/translations/README.zh-cn.md @@ -25,7 +25,7 @@ ![二元分类 vs 多元分类](../images/binary-multiclass.png) -> 需要分类算法解决的二元分类和多元分类问题的对比. 信息图由[Jen Looper](https://twitter.com/jenlooper)提供 +> 需要分类算法解决的二元分类和多元分类问题的对比. 信息图由 [Jen Looper](https://twitter.com/jenlooper) 提供 在开始清洗数据、数据可视化和调整数据以适应机器学习的任务前，让我们来了解一下多种可用来数据分类的机器学习方法。 @@ -47,7 +47,7 @@ Scikit-learn 项目提供多种对数据进行分类的算法，你需要根据 在你开始进行这个项目前的第一个上手的任务就是清洗和 **平衡**你的数据来得到更好的结果。从当前目录的根目录中的 _nodebook.ipynb_ 开始。 -第一个需要安装的东西是 [imblearn](https://imbalanced-learn.org/stable/)这是一个 Scikit-learn 项目中的一个包，它可以让你更好的平衡数据 (关于这个任务你很快你就会学到更多)。 +第一个需要安装的东西是 [imblearn](https://imbalanced-learn.org/stable/) 这是一个 Scikit-learn 项目中的一个包，它可以让你更好的平衡数据 (关于这个任务你很快你就会学到更多)。 1. 安装 `imblearn`, 运行命令 `pip install`: @@ -99,7 +99,7 @@ Scikit-learn 项目提供多种对数据进行分类的算法，你需要根据 df.info() ``` - Your out resembles: + 你的输出应该像这样： ```output @@ -109,7 +109,7 @@ Scikit-learn 项目提供多种对数据进行分类的算法，你需要根据 memory usage: 7.2+ MB ``` - ## 练习 - 了解这些菜肴 +## 练习 - 了解这些菜肴 现在任务变得更有趣了，让我们来探索如何将数据分配给各个菜肴 @@ -152,7 +152,7 @@ Scikit-learn 项目提供多种对数据进行分类的算法，你需要根据 现在你可以在数据中探索的更深一点并了解每道菜肴的代表性食材。你需要将反复出现的、容易造成混淆的数据清理出去，那么让我们来学习解决这个问题。 -1. 在Python中创建一个函数 `create_ingredient_df()` 来创建一个食材的数据帧。这个函数会去掉数据中无用的列并按食材的数量进行分类。 +1. 在 Python 中创建一个函数 `create_ingredient_df()` 来创建一个食材的数据帧。这个函数会去掉数据中无用的列并按食材的数量进行分类。 ```python def create_ingredient_df(df):