diff --git a/README.md b/README.md
index ffc5dae1..1de51529 100644
--- a/README.md
+++ b/README.md
@@ -5,6 +5,7 @@
## 第一部分 分类
* 1) 机器学习基础
+ * [1.机器学习基础](./docs/1.机器学习基础.md)
* 2) k-紧邻算法
* 3) 决策树
* 4) 基于概率论的分类方法：朴素贝叶斯
diff --git a/docs/1.机器学习基础.md b/docs/1.机器学习基础.md
new file mode 100644
index 00000000..b7ca1006
--- /dev/null
+++ b/docs/1.机器学习基础.md
@@ -0,0 +1,25 @@
+
+# 1) 机器学习基础
+
+* 机器学习是什么
+ * 把无序的数据转换成有用的信息。
+* 机器学习的意义
+ * 我们利用计算机来彰显数据背后的真实含义。
+* 监督学习
+ * 样本集：训练数据 + 测试数据
+ * 特征(feature-是否有缺失情况) + 目标变量(分类-离散值/回归-连续值<0~100、 -999～999>)
+ * `知识表示`：机器已经学会如何识别鸟类的过程
+ * 1.可以采用规则集的形式
+ * 2.可以采用概率分布的形式
+ * 3.可以使训练样本集中的一个实例
+* 非监督学习
+* 开发的步骤
+ * 1.收集数据
+ * 2.准备输入数据
+ * 3.分析输入数据
+ * 4.训练算法
+ * 5.测试算法
+ * 6.使用算法
+* Python相关的库
+ * 科学函数库：SciPy、`NumPy`(底层语言：C和Fortran)
+ * 绘图工具库：`Matplotlib`
\ No newline at end of file
diff --git a/docs/README.md b/docs/README.md
deleted file mode 100644
index 60de4d2b..00000000
--- a/docs/README.md
+++ /dev/null
@@ -1,61 +0,0 @@
-# MachineLearning
-
-**Mahchine Leaning in Action (python)**
-
-## 第一部分 分类
-
-* 1) 机器学习基础
- * 机器学习是什么
- * 把无序的数据转换成有用的信息。
- * 机器学习的意义
- * 我们利用计算机来彰显数据背后的真实含义。
- * 监督学习
- * 样本集：训练数据 + 测试数据
- * 特征(feature-是否有缺失情况) + 目标变量(分类-离散值/回归-连续值<0~100、 -999～999>)
- * `知识表示`：机器已经学会如何识别鸟类的过程
- * 1.可以采用规则集的形式
- * 2.可以采用概率分布的形式
- * 3.可以使训练样本集中的一个实例
- * 非监督学习
- * 开发的步骤
- * 1.收集数据
- * 2.准备输入数据
- * 3.分析输入数据
- * 4.训练算法
- * 5.测试算法
- * 6.使用算法
- * Python相关的库
- * 科学函数库：SciPy、`NumPy`(底层语言：C和Fortran)
- * 绘图工具库：`Matplotlib`
-* 2) k-紧邻算法
-* 3) 决策树
-* 4) 基于概率论的分类方法：朴素贝叶斯
-* 5) Logistic回归
-* 6) 支持向量机
-* 7) 利用AdaBoost元算法提高分类
-
-## 第二部分 利用回归预测数值型数据
-
-* 8) 预测数值型数据：回归
-* 9) 数回归
-
-## 第三部分 无监督学习
-
-* 10) 使用K-均值聚类算法对未标注数据分组
-* 11) 使用Apriori算法进行关联分析
-* 12) 使用FP-growth算法来高效发现频繁项集
-
-## 第四部分 其他工具
-
-* 13) 使用PCA来简化数据
-* 14) 使用SVD简化数据
-* 15) 大数据与MapReduce
-
-* * *
-
-* 附录A Python入门
-* 附录B 线性代数
-* 附录C 概率论复习
-* 附录D 资源
-* 索引
-* 版权声明