주석 번역

ml_editor/data_processing.py

@@ -121,11 +121,10 @@ def get_vectorized_inputs_and_label(df):
 
 def get_feature_vector_and_label(df, feature_names):
     """
-    Generate input and output vectors using the vectors feature and
-     the given feature names
-    :param df: input DataFrame
-    :param feature_names: names of feature columns (other than vectors)
-    :return: feature array and label array
+    벡터 특성과 다른 특성을 사용해 입력과 출력 벡터를 만듭니다.
+    :param df: 입력 데이터프레임
+    :param feature_names: (‘vectors’ 열을 제외한) 특성 열 이름
+    :return: 특성 배열과 레이블 배열
     """
     vec_features = vstack(df["vectors"])
     num_features = df[feature_names].astype(float)

tests/test_ingestion.py

@@ -30,7 +30,7 @@
 
 def get_fixture_df():
     """
-    Use parser to return DataFrame
+    파서를 사용해 데이터프레임을 반환합니다
     :return:
     """
     curr_path = Path(os.path.dirname(__file__))
@@ -39,15 +39,15 @@ def get_fixture_df():
 
 def test_parser_returns_dataframe():
     """
-    Tests that our parser runs and returns a DataFrame
+    파서가 데이터프레임을 반환하는지 테스트합니다.
     """
     df = get_fixture_df()
     assert isinstance(df, pd.DataFrame)
 
 
 def test_feature_columns_exist():
     """
-    Validate that all required columns are present
+    필수 열이 모두 들어 있는지 검사합니다.
     """
     df = get_fixture_df()
     for col in REQUIRED_COLUMNS:
@@ -56,7 +56,7 @@ def test_feature_columns_exist():
 
 def test_features_not_all_null():
     """
-    Validate that no features are missing every value
+    누락된 값을 포함한 특성이 있는지 검사합니다.
     """
     df = get_fixture_df()
     for col in REQUIRED_COLUMNS:

tests/test_model.py

@@ -72,9 +72,9 @@ def test_model_prediction_dimensions(
     )
 
     probas = trained_v1_model.predict_proba(features)
-    # the model makes one prediction per input example
+    # 모델이 입력 샘플마다 하나의 예측을 만듭니다.
     assert probas.shape[0] == features.shape[0]
-    # the model predicts probabilities for two classes
+    # 모델이 두 개의 클래스에 대한 확률을 예측합니다.
     assert probas.shape[1] == 2
 
 
@@ -90,12 +90,12 @@ def test_model_proba_values(
     )
 
     probas = trained_v1_model.predict_proba(features)
-    # the model's probabilities are between 0 and 1
+    # 모델의 확률은 0과 1 사이입니다.
     assert (probas >= 0).all() and (probas <= 1).all()
 
 
 def test_model_predicts_no_on_bad_question():
     input_text = "This isn't even a question. We should score it poorly"
     is_question_good = get_model_predictions_for_input_texts([input_text])
-    # The model classifies the question as poor
+    # 모델이 이 샘플을 나쁜 질문으로 분류해야 합니다.
     assert not is_question_good[0]