定稿

algorithm.md

@@ -15,8 +15,23 @@
 - AGNES
 
 
-本章的所有实训已在`educoder`平台上提供，若感兴趣可以输入链接进行体验：https://www.educoder.net/paths/194 
 
-也通过扫码查看整套课程。
+关于本章的实验与涉及的案例均可以在平台进行体验，名称与链接如下：
+
+|  名称 | 链接  |
+|------|------|
+|《机器学习》---线性回归|https://www.educoder.net/shixuns/4awq25iv/challenges|
+|《机器学习》---逻辑回归|https://www.educoder.net/shixuns/tw9up75v/challenges|
+|《机器学习》---多分类学习|https://www.educoder.net/shixuns/bfyloih4/challenges|
+|《机器学习》---kNN算法|https://www.educoder.net/shixuns/aw9bxy75/challenges|
+|《机器学习》---决策树|https://www.educoder.net/shixuns/hl7wacq5/challenges|
+|《机器学习》---随机森林|https://www.educoder.net/shixuns/ya8h7utx/challenges|
+|《机器学习》---朴素贝叶斯分类器|https://www.educoder.net/shixuns/uyl5pk2q/challenges|
+|《机器学习》---支持向量机|https://www.educoder.net/shixuns/b6yi97f2/challenges|
+|《机器学习》---随机森林|https://www.educoder.net/shixuns/ya8h7utx/challenges|
+|《机器学习》---k-means|https://www.educoder.net/shixuns/k6fp4saq/challenges|
+|《机器学习》---AGNES|https://www.educoder.net/shixuns/qy9gozt8/challenges|
+
+也可通过扫码查看整套课程，二维码如下:
 
 <div align=center><img src="./img/1562573820.png", height="250" width="250"/></div>

metrics.md

@@ -1,4 +1,4 @@
-当模型训练好之后，我们需要有指标来量化我们的模型的性能好不好。而且模型的性能不单单只有一个维度，所以模型的好坏通常会用多个指标来进行衡量。例如，现在想要衡量一个分类模型的性能，您可能第一时间会想到用准确率来衡量模型的好坏，但是准确率高并不一定就代表模型的性能高，因此可能会需要使用如`f1 score`、`AUC`等指标来衡量。所以在什么情况下使用什么样的性能评估指标，每个指标的数值的含义时什么，是我们在评估模型性能时必须要学会的知识。
+当模型训练好之后，我们需要有指标来量化我们的模型的性能好不好。而且模型的性能不单单只有一个维度，所以模型的好坏通常会用多个指标来进行衡量。例如，现在想要衡量一个分类模型的性能，您可能第一时间会想到用准确率来衡量模型的好坏，但是准确率高并不一定就代表模型的性能高，因此可能会需要使用如`F1 Score`、`AUC`等指标来衡量。所以在什么情况下使用什么样的性能评估指标，每个指标的数值的含义时什么，是我们在评估模型性能时必须要学会的知识。
 
 
 本章主要涉及的知识点有：
@@ -7,6 +7,13 @@
 - 常用回归性能评估指标
 - 常用聚类性能评估指标
 
-本章的所有实训已在`educoder`平台上提供，若您感兴趣可以通过扫码查看整套课程。
+关于本章的实验与涉及的案例均可以在平台进行体验，名称与链接如下：
+
+|  名称 | 链接  |
+|------|------|
+|《机器学习》---模型评估与选择|https://www.educoder.net/shixuns/cbsfh3r5/challenges|
+|《机器学习》---聚类性能评估指标|https://www.educoder.net/shixuns/e4pmtfly/challenges|
+
+也可通过扫码查看整套课程，二维码如下:
 
 <div align=center><img src="./img/1562573820.png", height="250" width="250"/></div>

recommand.md

@@ -6,6 +6,7 @@
 |------|------|
 |  《机器学习》---绪论 |  https://www.educoder.net/shixuns/4fhemfr9/challenges |
 |《机器学习》---模型评估与选择|https://www.educoder.net/shixuns/cbsfh3r5/challenges|
+|《机器学习》---聚类性能评估指标|https://www.educoder.net/shixuns/e4pmtfly/challenges|
 |《机器学习》---线性回归|https://www.educoder.net/shixuns/4awq25iv/challenges|
 |《机器学习》---逻辑回归|https://www.educoder.net/shixuns/tw9up75v/challenges|
 |《机器学习》---多分类学习|https://www.educoder.net/shixuns/bfyloih4/challenges|