# fsdcats 中文文档

规范地址：https://npmcn.com/package/fsdcats/

版本：1\.0\.6
npm 元数据更新时间：2026-11-03T17:07:30.448Z
中文译文更新时间：2026-11-03T18:12:51.447Z
软件包许可：ISC

本文由上游 README 机器翻译，可能存在偏差，请结合原文核对 API、命令与配置。版权与许可归原作者所有。

原始 npm 页面：https://www.npmjs.com/package/fsdcats
原文对照：https://npmcn.com/package/fsdcats/?lang=original

## 关键信息（来自 npm 元数据）

- 包体积（解压后）：56.3 kB，33 个文件
- 模块格式：CommonJS
- TypeScript 类型：未声明
- 运行依赖：0 个
- 首次发布：2026-10-30T05:50:34.932Z
- 最新版本发布：2026-11-03T17:07:30.243Z
- 已发布版本数：8（近 12 个月 8 个）

## 中文简介

机器学习实践的超短和干净的考试代码生成器（ANN, Sigmoid， SOM, Q-Learning， SARSA， DQN， RBF， GA， CNN， PSO， ACO, CSV Loader）

## 安装

```sh
npm install fsdcats
```

也可以使用：`pnpm add fsdcats`、`yarn add fsdcats`、`bun add fsdcats`

## README

# fsdcats

机器学习实践-超短和干净的考试代码。 零终端输出，直接复制剪贴板，自动创建Python文件(`prac1.py`等) 、跨平台 (Windows和macOS)。

## 先决条件

启动前在终端中运行一次:

```bash
pip install numpy pandas matplotlib scikit-learn minisom gymnasium tensorflow
```

## CLI使用

```bash
npx fsdcats <practical-number-or-name>
```

每次自动运行:

1.  将实用指南和设置直接复制到剪贴板上。
2.  直接在您的文件夹中创建Python代码文件(`prac1.py`， `csv_loader.py`等)。
3.  生成 `practical-X.txt` 文件。
4.  输出0个终端日志（完全静默）。
5.  不打开弹出窗口。

### 实用快速参考和访问名称

| 实用的 | 主题 | 逻辑文件 | 访问名称 |
| :-- | :-- | :-- | :-- |
| **0** | CSV加载器（自动分隔，缩放，分割） | `csv_loader.py` | `0`， `csv`， `csv_loader` |
| **1** | 线性回归的ANN | `prac1.py` | `1`， `ann`， `linear-regression` |
| **2** | Sigmoid激活函数图 | `prac2.py` | `2`， `sigmoid`， `activation` |
| **3** | 自组织映射 (SOM U矩阵) | `prac3.py` | `3`， `som`， `minisom` |
| **4** | 强化学习 (q-learning) | `prac4.py` | `4`， `qlearning`， `ql` |
| **5** | SARSA的强化学习 | `prac5.py` | `5`， `sarsa` |
| **六** | 深度Q网络 (带Keras的DQN) | `prac6.py` | `6`， `dqn` |
| **七** | 径向基函数 (RBF for XOR) | `prac7.py` | `7`， `rbf`， `xor` |
| **8** | 遗传算法I (目标字符串) | `prac8.py` | `8`， `ga1`， `ga` |
| **9** | 遗传算法II (锦标赛选择) | `prac9.py` | `9`， `ga2`， `tournament` |
| **十** | 卷积神经网络（CNN） | `prac10.py` | `10`， `cnn` |
| **十一** | 粒子群优化算法 (PSO) | `prac11.py` | `11`， `pso` |
| **十二** | 蚁群优化 (ACO) | `prac12.py` | `12`， `aco` |
| **全部** | 所有13个实践 | `all-practicals.txt` | `all` |

### 例子

```bash
npx fsdcats 1           # Practical 1: ANN
npx fsdcats qlearning   # Practical 4: Q-Learning
npx fsdcats dqn         # Practical 6: DQN
npx fsdcats all         # All practicals
```

## Node.js模块使用情况

```javascript
const ml = require('fsdcats');

// Access by logical name
console.log(ml.ann.components[0].code);
console.log(ml.qlearning.components[0].code);

// Generate files programmatically
ml.generatePracticalFile('ann');
ml.generateAllFiles();
```

## 常见问题

### fsdcats 是什么？

机器学习实践的超短和干净的考试代码生成器（ANN, Sigmoid， SOM, Q-Learning， SARSA， DQN， RBF， GA， CNN， PSO， ACO, CSV Loader）

### 如何安装 fsdcats？

在项目目录运行 npm install fsdcats，或使用 pnpm add / yarn add / bun add。它还提供命令行工具 fsdcats，可以用 npx fsdcats 直接运行。

### fsdcats 支持 TypeScript 吗？

该包的 package\.json 没有声明类型入口。需要类型提示时，可以在 npm 上查找社区维护的 @types/fsdcats 是否存在。

### fsdcats 支持 ESM 还是 CommonJS？

以 CommonJS 形式发布，可以直接 require\(\)；在 ES Module 项目中也可以用 import 引入（Node\.js 会把 module\.exports 作为默认导出）。

### fsdcats 可以商用吗？

fsdcats 使用 ISC 许可。宽松许可：允许商业使用、修改和再分发，通常只需在分发时保留原版权与许可声明。以上为概括，不构成法律意见，请以许可原文为准。

### fsdcats 还在维护吗？

最新版本 1\.0\.6 发布于 2026/11/04（今天）；至今共发布 8 个版本，其中过去 12 个月发布了 8 个；首次发布于 2026/10/30。发布频率只是参考信号：功能稳定的工具可能很少需要更新，建议结合源码仓库的 issue 和提交记录判断。