Merge pull request #31 from jiangzhonglian/master

更新8线性回归的乱码问题，7 AdaBoost的md文档

README.md

@@ -17,10 +17,12 @@
 * 6) 支持向量机
     * [支持向量机](./docs/6.支持向量机.md)
 * 7) 利用AdaBoost元算法提高分类
+    * [利用AdaBoost元算法提高分类](./docs/7.利用AdaBoost元算法提高分类.md)
 
 ## 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
+    * [预测数值型数据：回归.md](./docs/8.预测数值型数据：回归.md)
 * 9) 数回归
     * [树回归](./docs/9.树回归.md)
 

docs/8.预测数值型数据：回归.md

@@ -1,18 +1,18 @@
 
-# 8)预测数值型数据：回归
+# 8)预测数值型数据：回归
 
-* 线性回归的特点
-    * 优点：结果易于理解，计算上不复杂。
-    * 缺点：对非线性的数据拟合不好。
-    * 适用数据范围：数值型和标称型数据。
-* 工作原理
-    * 回归的目的是预测数值型的目标值。最直接的办法是以及输入写出一个目标值的计算公式。
-* 回归的一般流程
-    * 收集数据：任何方法
-    * 准备数据：回归需要数值型数据，标称型数据将被转成二值型数据。
-    * 分析数据：绘出数据的可视二维图将有助于对数据做出理解和分析，在采用缩减法求得新回归系数之后，可以将新拟合线绘在图上作为对比。
-    * 训练算法：找到回归系数。
-    * 测试数据：使用R的平方或者预测值和数据的拟合度，来分析模型的效果。
-    * 使用算法：使用回归，可以在给定输入的时候预测出一个数值，这是对分类方法的提升，因为这样可以预测连续型数据而不仅仅是离散的类别标签。
-* 总结
-    * 求回归系数的过程就是回归。
+* 线性回归的特点
+    * 优点：结果易于理解，计算上不复杂。
+    * 缺点：对非线性的数据拟合不好。
+    * 适用数据范围：数值型和标称型数据。
+* 工作原理
+    * 回归的目的是预测数值型的目标值。最直接的办法是以及输入写出一个目标值的计算公式。
+* 回归的一般流程
+    * 收集数据：任何方法
+    * 准备数据：回归需要数值型数据，标称型数据将被转成二值型数据。
+    * 分析数据：绘出数据的可视二维图将有助于对数据做出理解和分析，在采用缩减法求得新回归系数之后，可以将新拟合线绘在图上作为对比。
+    * 训练算法：找到回归系数。
+    * 测试数据：使用R的平方或者预测值和数据的拟合度，来分析模型的效果。
+    * 使用算法：使用回归，可以在给定输入的时候预测出一个数值，这是对分类方法的提升，因为这样可以预测连续型数据而不仅仅是离散的类别标签。
+* 总结
+    * 求回归系数的过程就是回归。