doc: update info

doc: change challenge operation

README.md

@@ -1,6 +1,6 @@
 # 挑战一：kNN 算法
 
-## 实验说明
+## 挑战说明
 
 - 自行在 [function.py](./function.py) 中编写实现 KNN 分类算法。
 - 函数输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
@@ -8,36 +8,32 @@
 
 ## 注意事项
 
-实验开始前必须在 [function.py](./function.py#L26-L27) 中填写自己的学号和姓名！
+挑战开始前必须在 [function.py](./function.py#L26-L27) 中填写自己的学号和姓名！
 
-- 可以自行导入其他库，需要在 [requirements.txt](./requirements.txt) 添加依赖，若无依赖，则相当于未进行实验。
+- 可以自行导入其他库，需要在 [requirements.txt](./requirements.txt) 添加依赖，若未在 [requirements.txt](./requirements.txt) 中添加使用到的依赖，则无法自动评测，成绩为零。
 - 在 [function.py](./function.py) 中实现 KNN 分类算法。
 - 自动评测脚本仅会加载 [classify0](./function.py#L41) 函数，请勿修改函数名。
 - 训练集在本目录下的 [datingTrainSet2.tsv](./datingTrainSet2.tsv) 中。
 - 评测数据集在本目录下的 [datingTestSet2.tsv](./datingTestSet2.tsv) 中。
 
-提交后会进行自动评测，评测系统环境如下：
+提交后会进行自动评测，评测所用的环境如下：
 
-- Python 3.10.12
 - Ubuntu 22.04.4 LTS
+- Python 3.10.12
 
-## 实验操作
+## 挑战操作
 
 [注册平台帐号](https://git.intcplab.cn/user/sign_up)
 
 ![注册平台帐号](./img/sign_up.png)
 
-进入[此页面](https://git.intcplab.cn/LufsX/Exp-kNN)，点击右上角的「派生」按钮，将仓库「派生」到自己的账号下。
+进入[此页面](https://git.intcplab.cn/LufsX/Challenge-kNN)，点击页面的「使用模版」按钮，
 
-![派生仓库](./img/fork.png)
+![创建仓库](./img/create.png)
 
-![派生仓库](./img/fork2.png)
+填写仓库名称（建议和对应仓库一致，例如本仓库名 `Challenge-kNN`），勾选模版选项中的「Git 数据（默认分支）」后，点击「创建仓库」按钮。
 
-然后进入设置开启 Actions 功能，该功能用于自动评测实验代码。
+![创建仓库](./img/create2.png)
-
-![开启 Actions 功能](./img/actions.png)
-
-![开启 Actions 功能](./img/actions2.png)
 
 可以选择拉取到本地写代码，也可以直接在线编辑。
 

function.py

@@ -2,21 +2,21 @@
 import numpy as np
 
 """
-实验说明:
+挑战说明:
 - 自行编写实现 KNN 分类算法。
 - 输入: 待分类的样本 inX, 训练数据集 dataSet, 训练集对应的标签 labels。
 - 输出: 预测的分类标签。
 
 注意事项:
-- 可以自行导入其他库，需要在 requirements.txt 添加依赖，若无依赖，则相当于未进行实验。
+- 可以自行导入其他库，需要在 requirements.txt 添加依赖，若未在 requirements.txt 中添加使用到的依赖，则无法自动评测，成绩为零。
 - 在 function.py 中实现 KNN 分类算法。
 - 自动评测脚本仅会加载 classify0 函数，请勿修改函数名。
 - 训练集在本目录下的 datingTrainSet2.tsv 中。
 - 评测数据集在本目录下的 datingTestSet2.tsv 中。
 
-实验环境:
+挑战环境:
-- Python 3.10.12
 - Ubuntu 22.04.04 LTS
+- Python 3.10.12
 """