From 7a83f4e51ffd1409f047003abd21409d6adb22c9 Mon Sep 17 00:00:00 2001
From: wizardforcel <562826179@qq.com>
Date: Mon, 19 Oct 2020 21:28:28 +0800
Subject: [PATCH] 2020-10-19 21:28:28

---
 {faq => docs/faq}/1.机器学习实战-复习版.md |   2 +-
 docs/faq/img/faq_1.png                     | Bin 0 -> 2031 bytes
 {faq => docs/faq}/直播问题汇总.md          |   4 ++--
 3 files changed, 3 insertions(+), 3 deletions(-)
 rename {faq => docs/faq}/1.机器学习实战-复习版.md (95%)
 create mode 100644 docs/faq/img/faq_1.png
 rename {faq => docs/faq}/直播问题汇总.md (97%)

diff --git a/faq/1.机器学习实战-复习版.md b/docs/faq/1.机器学习实战-复习版.md
similarity index 95%
rename from faq/1.机器学习实战-复习版.md
rename to docs/faq/1.机器学习实战-复习版.md
index 5e08335d..b017e79c 100644
--- a/faq/1.机器学习实战-复习版.md
+++ b/docs/faq/1.机器学习实战-复习版.md
@@ -30,7 +30,7 @@
 
 如下图: 用于评估模型的效果。（测试样本的预测类别 和 测试样本的实际类别 的diff，就是我们的错误率）
 
-![机器学习训练过程图](http://data.apachecn.org/img/AiLearning/ml/1.MLFoundation/机器学习基础训练过程.jpg)
+![机器学习训练过程图](../ml/img/机器学习基础训练过程.jpg)
 
 > 5.监督学习和无监督学习的区别: 是否有目标变量（也就是: 是否存在分类结果）
 
diff --git a/docs/faq/img/faq_1.png b/docs/faq/img/faq_1.png
new file mode 100644
index 0000000000000000000000000000000000000000..89a755a6d0b07746c4c584ba0587062d7afc4da4
GIT binary patch
literal 2031
zcmV<L2N3v)P)<h;3K|Lk000e1NJLTq00A%n001cn0ssI2JvZV*000NJNkl<ZcmeI3
zEqD}35QgFI3@*eG8C>EZGBP-1APz}T!2uFUBrZXM16-mYHZH;8@*{B}F6X%SuAZmp
ztDf!Yot~YY+0=@Cx_hd-zOTCLrze}6zkdC?;UBkvTc95n_@f^%9EDrJE%2`e+#&rO
zxCMG-0e8qAZH7Z}3%Eo28E^~q$O7(=J=zS1;udg+^fTZV=#d57A$znL4#h3t4(VsW
zEzlzixI^}6GaQOr;IBcO;OEbu^YinArr_YOj|Fmm6*p{$eD&(p(b3WU`}eQUraIHv
zw!nZ(R?_3y*_nIeY#-3;#%{n4`R2`=7cX9f8-|PS?(T*oQ)z<%Bu4e8PoK88w_m<|
zxw*M%9<|l&1O4u~&l+p$+Gd}VlauxJb-tTTFPwF8aj~|xW)^w+^r;z{N*8Pf2_u9L
z0fW(qBa;ATlukm0SrbxR8N$Ktxp&Vx<SXqKS>K3P&lzDG@Q1m%xg6n1$Z!-se*74&
z93PJGX~*p^U%sdZqMGi#d-nvx&d!duTSV0{eF8BDfZQHa=#qQKtYfk|(iZCqgQ|{n
z1Aidcr)4JhG(OYu$mF!=tZeXTDM5OiL{K;Cau62Ea0KHbMb<Q6Cdb_<Dr8hR-GFJv
zy7?XQ;NU=FWLsCD{B^jD@qRUw=jy^K4@aine*E|`_eO<r_wHS3fByX0Tzyr>G$8f$
z>sK>a*_{e~4gg265>E;Dp0lpxD}yDhb=g5WB+2>Fqeset2B&;l(IJEpw!s6=aD+Cn
zDOuGy&C|x+snAbE<Zif6g>_<&T48;YG@a049+8?DSzKJ?n~W5{OEmJ6=n_F$*1W5{
zefxF{h6KfJn?H?Usmset+MFS79WDApXb@IDK0Xd98&n8`gum0Ao}T7lfGMVa@ZdqX
zW@XzbLIxxdhp(865v)Og2$Oc@QkjETo1bJz#6b}_O^7s*^0}9=7VsdEjpmS0Vt_5j
z+L^==lXE4%NTEgu7jMk^xAy$HnZrbM7kO@v)4D*KN?q{8ua~&tND<FBPdPeB(lBoY
z^XbQuwFbe;Itu`N2nyiAb#*+^z}m1#2<Rh2A1$&|Az${Z#kad~ft_BHP=r#&L!&YG
z#;ip<)4|3rV`TV>9YSD*ZSs(sk)x<>S++52MV0$Y9pV-i5Azbo5%rZH#1O80B!dJk
z$t{&KMBjJs-ti~9_$k4OO5Kc;aN-}(krE|z5x<d__#J0avs8XJ#~{!|BT*BCA#8Rr
zUs0`OOrPV(7BG$x^oJ894e_Gd1#<*g4HjW?KxvrFC(S)(EwJ^75+eYq-5gT2GHg0D
zwGQHxs(EE@IqO`9<RuCrM-fX&pk31dw;9Rr!WKnb4+upZWiydSY7X<rbhUy4Y9e+p
ziv`UqBC{0J<LEG!K{&XCK(lPzHGxb*3A?V6=|HAp;uuUME6N}oan8_Tbi4s~=3-Tn
zk1RsaVevR7%F|lzZLt=0@(o|CH_98E?Kmr&O*h^c0;pvj3jeRIxiZn9GGUI^Cj<#o
zBPHgJ`-sJvf;v+SFi3#MA>#$f#tA&s6|L7TnFdLqidn=Xz|JXIN72W7v6w82-6~7{
zSZU6Pls|lnuq0kHu`%~T*1+Hh<=D*tuI-vluas}hT35@;ki<VcMC%ix<I2hkBixwd
zpv$<4d5oA(BGOCL!5azirmSV8vgnEvsj4G*fBW`LGvp}1DxcXH*C3h8HWM2~pA@0Q
zYs-YOR7(g@z3fZ7MR*Pv)oz644@G(`x#MW9WF*J!noXDKRL<%b<1Sb&udbPH;QA5~
zi4%I4Z9VfS28l-D`oz3AXR16Wk15(kSYj0`KwHKMoS}>gH*3@y1a*b)y)ttJ_zitw
z1aaLm+U+I{LaJzC**N!>a4%sE7;H{CKm!cidiZX(zm>CK9UdVRh20X?s_xI%uV1rU
zwI34K`}gk&5<h<Y*xK46@SLBYKY8-x)~#E$a~lY7Avrue+~41S{`|R2fA;Lz+qZ8=
zsk^$mA|XiLMjo7h|Myv5Ugoe0ayY9%14w2{twBC~_^`UV3IH=PzspsJJdhKB4Si8@
z=gytIy*<oAdc>Fs>*YgI$)%+w5+l{e_wV013_32267D6eVM<j6@r{iQP~nhTBN&9u
zx(^>dgf%7wBp=TI!oq?sRl-^q`TbsAeY7VHf*dF%!b!AC03#J(`h-CDkK(*BE{6PE
zk)}@|@7Opc+}mP3uC>eMOIWM+{yHQOsSu><<2*_ArMTk;1#P?aNvtA&glNLS%9pQ{
ztfd^zGW4ma!5{*dQQP5^3AGEkm$04?qnu?6S*wa(J0xeCB*}{$Y7a%6Xk>~dR%qoB
zM`|iaRA~qRN7eCG*rgW<Ri`D}dfFwsQJ7m~-D`)0ztq;@)p?Xr7{@N<c`31e<|8nG
zBvZIWv5-C(_~4Cvx2U3aDb#h$J!D-AZ$bhsvL5fZtiP|GUA6d&Ja_2$wLw?<U5{I!
zQw#LnAv-mOD{~7>+XBu1{c76CUB6pk1})$YIfI+(l!j{ocgW%Hog<$?3%Enh;HEmI
z;ab2Qa=3fv$Y;<3?vOLMsZMFQ7I23g?%p}_8MJ^q<P2`AQyQ)X{sBQ(beLSATMqyL
N002ovPDHLkV1g7t)fxZ*

literal 0
HcmV?d00001

diff --git a/faq/直播问题汇总.md b/docs/faq/直播问题汇总.md
similarity index 97%
rename from faq/直播问题汇总.md
rename to docs/faq/直播问题汇总.md
index 0879a065..38355ecb 100644
--- a/faq/直播问题汇总.md
+++ b/docs/faq/直播问题汇总.md
@@ -42,7 +42,7 @@
  1. 谷德 2017-11-21 20:39:38
     问: 求距离还有其他的算法吗？
 
-    答: k 近邻模型的特征空间一般是 n 维实数向量空间 ![向量空间](http://data.apachecn.org/img/AiLearning/ml/2.KNN/knn_3.png) ，使用的距离是欧式距离。当然，我们还可以选择其他距离，比如更加一般的 ![Lp距离](http://data.apachecn.org/img/AiLearning/ml/2.KNN/knn_4.png) 距离（Lp distance），或者 Minkowski 距离（Minkowski distance），曼哈顿距离（Manhattan Distance），切比雪夫距离（Chebyshev Distance）。
+    答: k 近邻模型的特征空间一般是 n 维实数向量空间 ![向量空间](../ml/img/knn_3.png) ，使用的距离是欧式距离。当然，我们还可以选择其他距离，比如更加一般的 ![Lp距离](../ml/img/knn_4.png) 距离（Lp distance），或者 Minkowski 距离（Minkowski distance），曼哈顿距离（Manhattan Distance），切比雪夫距离（Chebyshev Distance）。
 
     更多参见链接: http://liyonghui160com.iteye.com/blog/2084557
 
@@ -51,7 +51,7 @@
 
     答: 如果大佬你说的是下面这种: 
     
-    ![距离计算](http://data.apachecn.org/img/AiLearning/ml/faq/faq_1.png)
+    ![距离计算](../ml/img/faq_1.png)
 
     那么求电影距离的 x 是对应的电影中的 打斗镜头数 ，而 y 对应的是接吻镜头数，都是指的数据的特征，可能这里写的不清楚，你可以把这里的 y 当成 x2 属性，而把之前的 x 当成 x1 属性，这样就容易理解多了。都是特征，只不过是对应的不同的特征。注意，这里的 y 代表的不是相应的分类。