diff --git a/CONTRIBUTING.md b/CONTRIBUTING.md
index 1ddcdfdf40b17c189b72925211d74b84b6c0a229..0d0f3dabbca3296e0da4792c79e87a6a2452bdae 100644
--- a/CONTRIBUTING.md
+++ b/CONTRIBUTING.md
@@ -7,87 +7,81 @@
+ [英文官网](https://scikit-learn.org)
+ [中文翻译](https://sklearn.apachecn.org)
-负责人:
-
-* [@loopyme](https://github.com/loopyme):3322728009
-* [飞龙](https://github.com/wizardforcel):562826179
-* [片刻](https://github.com/jiangzhonglian):529815144
-
## 章节列表
-* [安装 scikit-learn](docs/0.21.3/62.md)
+* [安装 scikit-learn](docs/master/62.md)
* 用户指南
- * [1. 监督学习](docs/0.21.3/1.md)
- * [1.1. 广义线性模型](docs/0.21.3/2.md)
- * [1.2. 线性和二次判别分析](docs/0.21.3/3.md)
- * [1.3. 内核岭回归](docs/0.21.3/4.md)
- * [1.4. 支持向量机](docs/0.21.3/5.md)
- * [1.5. 随机梯度下降](docs/0.21.3/6.md)
- * [1.6. 最近邻](docs/0.21.3/7.md)
- * [1.7. 高斯过程](docs/0.21.3/8.md)
- * [1.8. 交叉分解](docs/0.21.3/9.md)
- * [1.9. 朴素贝叶斯](docs/0.21.3/10.md)
- * [1.10. 决策树](docs/0.21.3/11.md)
- * [1.11. 集成方法](docs/0.21.3/12.md)
- * [1.12. 多类和多标签算法](docs/0.21.3/13.md)
- * [1.13. 特征选择](docs/0.21.3/14.md)
- * [1.14. 半监督学习](docs/0.21.3/15.md)
- * [1.15. 等式回归](docs/0.21.3/16.md)
- * [1.16. 概率校准](docs/0.21.3/17.md)
- * [1.17. 神经网络模型(有监督)](docs/0.21.3/18.md)
- * [2. 无监督学习](docs/0.21.3/19.md)
- * [2.1. 高斯混合模型](docs/0.21.3/20.md)
- * [2.2. 流形学习](docs/0.21.3/21.md)
- * [2.3. 聚类](docs/0.21.3/22.md)
- * [2.4. 双聚类](docs/0.21.3/23.md)
- * [2.5. 分解成分中的信号(矩阵分解问题)](docs/0.21.3/24.md)
- * [2.6. 协方差估计](docs/0.21.3/25.md)
- * [2.7. 新奇和异常值检测](docs/0.21.3/26.md)
- * [2.8. 密度估计](docs/0.21.3/27.md)
- * [2.9. 神经网络模型(无监督)](docs/0.21.3/28.md)
- * [3. 模型选择和评估](docs/0.21.3/29.md)
- * [3.1. 交叉验证:评估估算器的表现](docs/0.21.3/30.md)
- * [3.2. 调整估计器的超参数](docs/0.21.3/31.md)
- * [3.3. 模型评估: 量化预测的质量](docs/0.21.3/32.md)
- * [3.4. 模型持久化](docs/0.21.3/33.md)
- * [3.5. 验证曲线: 绘制分数以评估模型](docs/0.21.3/34.md)
- * [4. 检验](docs/0.21.3/35.md)
- * [4.1. 部分依赖图](docs/0.21.3/36.md)
- * [5. 数据集转换](docs/0.21.3/37.md)
- * [5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器](docs/0.21.3/38.md)
- * [5.2. 特征提取](docs/0.21.3/39.md)
- * [5.3 预处理数据](docs/0.21.3/40.md)
- * [5.4 缺失值插补](docs/0.21.3/41.md)
- * [5.5. 无监督降维](docs/0.21.3/42.md)
- * [5.6. 随机投影](docs/0.21.3/43.md)
- * [5.7. 内核近似](docs/0.21.3/44.md)
- * [5.8. 成对的矩阵, 类别和核函数](docs/0.21.3/45.md)
- * [5.9. 预测目标 (`y`) 的转换](docs/0.21.3/46.md)
- * [6. 数据集加载工具](docs/0.21.3/47.md)
- * [6.1. 通用数据集 API](docs/0.21.3/47.md)
- * [6.2. 玩具数据集](docs/0.21.3/47.md)
- * [6.3 真实世界中的数据集](docs/0.21.3/47.md)
- * [6.4. 样本生成器](docs/0.21.3/47.md)
- * [6.5. 加载其他数据集](docs/0.21.3/47.md)
- * [7. 使用scikit-learn计算](docs/0.21.3/48.md)
- * [7.1. 大规模计算的策略: 更大量的数据](docs/0.21.3/48.md)
- * [7.2. 计算性能](docs/0.21.3/48.md)
- * [7.3. 并行性、资源管理和配置](docs/0.21.3/48.md)
-* [教程](docs/0.21.3/50.md)
- * [使用 scikit-learn 介绍机器学习](docs/0.21.3/51.md)
- * [关于科学数据处理的统计学习教程](docs/0.21.3/52.md)
- * [机器学习: scikit-learn 中的设置以及预估对象](docs/0.21.3/53.md)
- * [监督学习:从高维观察预测输出变量](docs/0.21.3/54.md)
- * [模型选择:选择估计量及其参数](docs/0.21.3/55.md)
- * [无监督学习: 寻求数据表示](docs/0.21.3/56.md)
- * [把它们放在一起](docs/0.21.3/57.md)
- * [寻求帮助](docs/0.21.3/58.md)
- * [处理文本数据](docs/0.21.3/59.md)
- * [选择正确的评估器(estimator.md)](docs/0.21.3/60.md)
- * [外部资源,视频和谈话](docs/0.21.3/61.md)
+ * [1. 监督学习](docs/master/1.md)
+ * [1.1. 广义线性模型](docs/master/2.md)
+ * [1.2. 线性和二次判别分析](docs/master/3.md)
+ * [1.3. 内核岭回归](docs/master/4.md)
+ * [1.4. 支持向量机](docs/master/5.md)
+ * [1.5. 随机梯度下降](docs/master/6.md)
+ * [1.6. 最近邻](docs/master/7.md)
+ * [1.7. 高斯过程](docs/master/8.md)
+ * [1.8. 交叉分解](docs/master/9.md)
+ * [1.9. 朴素贝叶斯](docs/master/10.md)
+ * [1.10. 决策树](docs/master/11.md)
+ * [1.11. 集成方法](docs/master/12.md)
+ * [1.12. 多类和多标签算法](docs/master/13.md)
+ * [1.13. 特征选择](docs/master/14.md)
+ * [1.14. 半监督学习](docs/master/15.md)
+ * [1.15. 等式回归](docs/master/16.md)
+ * [1.16. 概率校准](docs/master/17.md)
+ * [1.17. 神经网络模型(有监督)](docs/master/18.md)
+ * [2. 无监督学习](docs/master/19.md)
+ * [2.1. 高斯混合模型](docs/master/20.md)
+ * [2.2. 流形学习](docs/master/21.md)
+ * [2.3. 聚类](docs/master/22.md)
+ * [2.4. 双聚类](docs/master/23.md)
+ * [2.5. 分解成分中的信号(矩阵分解问题)](docs/master/24.md)
+ * [2.6. 协方差估计](docs/master/25.md)
+ * [2.7. 新奇和异常值检测](docs/master/26.md)
+ * [2.8. 密度估计](docs/master/27.md)
+ * [2.9. 神经网络模型(无监督)](docs/master/28.md)
+ * [3. 模型选择和评估](docs/master/29.md)
+ * [3.1. 交叉验证:评估估算器的表现](docs/master/30.md)
+ * [3.2. 调整估计器的超参数](docs/master/31.md)
+ * [3.3. 模型评估: 量化预测的质量](docs/master/32.md)
+ * [3.4. 模型持久化](docs/master/33.md)
+ * [3.5. 验证曲线: 绘制分数以评估模型](docs/master/34.md)
+ * [4. 检验](docs/master/35.md)
+ * [4.1. 部分依赖图](docs/master/36.md)
+ * [5. 数据集转换](docs/master/37.md)
+ * [5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器](docs/master/38.md)
+ * [5.2. 特征提取](docs/master/39.md)
+ * [5.3 预处理数据](docs/master/40.md)
+ * [5.4 缺失值插补](docs/master/41.md)
+ * [5.5. 无监督降维](docs/master/42.md)
+ * [5.6. 随机投影](docs/master/43.md)
+ * [5.7. 内核近似](docs/master/44.md)
+ * [5.8. 成对的矩阵, 类别和核函数](docs/master/45.md)
+ * [5.9. 预测目标 (`y`) 的转换](docs/master/46.md)
+ * [6. 数据集加载工具](docs/master/47.md)
+ * [6.1. 通用数据集 API](docs/master/47.md)
+ * [6.2. 玩具数据集](docs/master/47.md)
+ * [6.3 真实世界中的数据集](docs/master/47.md)
+ * [6.4. 样本生成器](docs/master/47.md)
+ * [6.5. 加载其他数据集](docs/master/47.md)
+ * [7. 使用scikit-learn计算](docs/master/48.md)
+ * [7.1. 大规模计算的策略: 更大量的数据](docs/master/48.md)
+ * [7.2. 计算性能](docs/master/48.md)
+ * [7.3. 并行性、资源管理和配置](docs/master/48.md)
+* [教程](docs/master/50.md)
+ * [使用 scikit-learn 介绍机器学习](docs/master/51.md)
+ * [关于科学数据处理的统计学习教程](docs/master/52.md)
+ * [机器学习: scikit-learn 中的设置以及预估对象](docs/master/53.md)
+ * [监督学习:从高维观察预测输出变量](docs/master/54.md)
+ * [模型选择:选择估计量及其参数](docs/master/55.md)
+ * [无监督学习: 寻求数据表示](docs/master/56.md)
+ * [把它们放在一起](docs/master/57.md)
+ * [寻求帮助](docs/master/58.md)
+ * [处理文本数据](docs/master/59.md)
+ * [选择正确的评估器(estimator.md)](docs/master/60.md)
+ * [外部资源,视频和谈话](docs/master/61.md)
* [API 参考](https://scikit-learn.org/stable/modules/classes.html)
-* [常见问题](docs/0.21.3/63.md)
-* [时光轴](docs/0.21.3/64.md)
+* [常见问题](docs/master/63.md)
+* [时光轴](docs/master/64.md)
## 流程
diff --git a/README.md b/README.md
index 2759b9b53f5223544361ebbeed579ebb7421f605..06cd474afe5c78378c8a14880166f2717f446a04 100644
--- a/README.md
+++ b/README.md
@@ -1,8 +1,8 @@
-# scikit-learn (sklearn) 官方文档中文版
+#
scikit-learn (sklearn) 官方文档中文版
-![](docs/img/scikit-learn-logo.png)
+![](img/logo/scikit-learn-logo.png)
-scikit-learn 是基于 Python 语言的机器学习工具
+scikit-learn (sklearn) 是基于 Python 语言的机器学习工具
1. 简单高效的数据挖掘和数据分析工具
2. 可供大家在各种环境中重复使用
@@ -12,12 +12,8 @@
@@ -31,85 +27,91 @@
## 目录
-* [安装 scikit-learn](docs/0.21.3/62.md)
+* [安装 scikit-learn](docs/master/62.md)
* 用户指南
- * [1. 监督学习](docs/0.21.3/1.md)
- * [1.1. 广义线性模型](docs/0.21.3/2.md)
- * [1.2. 线性和二次判别分析](docs/0.21.3/3.md)
- * [1.3. 内核岭回归](docs/0.21.3/4.md)
- * [1.4. 支持向量机](docs/0.21.3/5.md)
- * [1.5. 随机梯度下降](docs/0.21.3/6.md)
- * [1.6. 最近邻](docs/0.21.3/7.md)
- * [1.7. 高斯过程](docs/0.21.3/8.md)
- * [1.8. 交叉分解](docs/0.21.3/9.md)
- * [1.9. 朴素贝叶斯](docs/0.21.3/10.md)
- * [1.10. 决策树](docs/0.21.3/11.md)
- * [1.11. 集成方法](docs/0.21.3/12.md)
- * [1.12. 多类和多标签算法](docs/0.21.3/13.md)
- * [1.13. 特征选择](docs/0.21.3/14.md)
- * [1.14. 半监督学习](docs/0.21.3/15.md)
- * [1.15. 等式回归](docs/0.21.3/16.md)
- * [1.16. 概率校准](docs/0.21.3/17.md)
- * [1.17. 神经网络模型(有监督)](docs/0.21.3/18.md)
- * [2. 无监督学习](docs/0.21.3/19.md)
- * [2.1. 高斯混合模型](docs/0.21.3/20.md)
- * [2.2. 流形学习](docs/0.21.3/21.md)
- * [2.3. 聚类](docs/0.21.3/22.md)
- * [2.4. 双聚类](docs/0.21.3/23.md)
- * [2.5. 分解成分中的信号(矩阵分解问题)](docs/0.21.3/24.md)
- * [2.6. 协方差估计](docs/0.21.3/25.md)
- * [2.7. 新奇和异常值检测](docs/0.21.3/26.md)
- * [2.8. 密度估计](docs/0.21.3/27.md)
- * [2.9. 神经网络模型(无监督)](docs/0.21.3/28.md)
- * [3. 模型选择和评估](docs/0.21.3/29.md)
- * [3.1. 交叉验证:评估估算器的表现](docs/0.21.3/30.md)
- * [3.2. 调整估计器的超参数](docs/0.21.3/31.md)
- * [3.3. 模型评估: 量化预测的质量](docs/0.21.3/32.md)
- * [3.4. 模型持久化](docs/0.21.3/33.md)
- * [3.5. 验证曲线: 绘制分数以评估模型](docs/0.21.3/34.md)
- * [4. 检验](docs/0.21.3/35.md)
- * [4.1. 部分依赖图](docs/0.21.3/36.md)
- * [5. 数据集转换](docs/0.21.3/37.md)
- * [5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器](docs/0.21.3/38.md)
- * [5.2. 特征提取](docs/0.21.3/39.md)
- * [5.3 预处理数据](docs/0.21.3/40.md)
- * [5.4 缺失值插补](docs/0.21.3/41.md)
- * [5.5. 无监督降维](docs/0.21.3/42.md)
- * [5.6. 随机投影](docs/0.21.3/43.md)
- * [5.7. 内核近似](docs/0.21.3/44.md)
- * [5.8. 成对的矩阵, 类别和核函数](docs/0.21.3/45.md)
- * [5.9. 预测目标 (`y`) 的转换](docs/0.21.3/46.md)
- * [6. 数据集加载工具](docs/0.21.3/47.md)
- * [6.1. 通用数据集 API](docs/0.21.3/47.md)
- * [6.2. 玩具数据集](docs/0.21.3/47.md)
- * [6.3 真实世界中的数据集](docs/0.21.3/47.md)
- * [6.4. 样本生成器](docs/0.21.3/47.md)
- * [6.5. 加载其他数据集](docs/0.21.3/47.md)
- * [7. 使用scikit-learn计算](docs/0.21.3/48.md)
- * [7.1. 大规模计算的策略: 更大量的数据](docs/0.21.3/48.md)
- * [7.2. 计算性能](docs/0.21.3/48.md)
- * [7.3. 并行性、资源管理和配置](docs/0.21.3/48.md)
-* [教程](docs/0.21.3/50.md)
- * [使用 scikit-learn 介绍机器学习](docs/0.21.3/51.md)
- * [关于科学数据处理的统计学习教程](docs/0.21.3/52.md)
- * [机器学习: scikit-learn 中的设置以及预估对象](docs/0.21.3/53.md)
- * [监督学习:从高维观察预测输出变量](docs/0.21.3/54.md)
- * [模型选择:选择估计量及其参数](docs/0.21.3/55.md)
- * [无监督学习: 寻求数据表示](docs/0.21.3/56.md)
- * [把它们放在一起](docs/0.21.3/57.md)
- * [寻求帮助](docs/0.21.3/58.md)
- * [处理文本数据](docs/0.21.3/59.md)
- * [选择正确的评估器(estimator.md)](docs/0.21.3/60.md)
- * [外部资源,视频和谈话](docs/0.21.3/61.md)
+ * [1. 监督学习](docs/master/1.md)
+ * [1.1. 广义线性模型](docs/master/2.md)
+ * [1.2. 线性和二次判别分析](docs/master/3.md)
+ * [1.3. 内核岭回归](docs/master/4.md)
+ * [1.4. 支持向量机](docs/master/5.md)
+ * [1.5. 随机梯度下降](docs/master/6.md)
+ * [1.6. 最近邻](docs/master/7.md)
+ * [1.7. 高斯过程](docs/master/8.md)
+ * [1.8. 交叉分解](docs/master/9.md)
+ * [1.9. 朴素贝叶斯](docs/master/10.md)
+ * [1.10. 决策树](docs/master/11.md)
+ * [1.11. 集成方法](docs/master/12.md)
+ * [1.12. 多类和多标签算法](docs/master/13.md)
+ * [1.13. 特征选择](docs/master/14.md)
+ * [1.14. 半监督学习](docs/master/15.md)
+ * [1.15. 等式回归](docs/master/16.md)
+ * [1.16. 概率校准](docs/master/17.md)
+ * [1.17. 神经网络模型(有监督)](docs/master/18.md)
+ * [2. 无监督学习](docs/master/19.md)
+ * [2.1. 高斯混合模型](docs/master/20.md)
+ * [2.2. 流形学习](docs/master/21.md)
+ * [2.3. 聚类](docs/master/22.md)
+ * [2.4. 双聚类](docs/master/23.md)
+ * [2.5. 分解成分中的信号(矩阵分解问题)](docs/master/24.md)
+ * [2.6. 协方差估计](docs/master/25.md)
+ * [2.7. 新奇和异常值检测](docs/master/26.md)
+ * [2.8. 密度估计](docs/master/27.md)
+ * [2.9. 神经网络模型(无监督)](docs/master/28.md)
+ * [3. 模型选择和评估](docs/master/29.md)
+ * [3.1. 交叉验证:评估估算器的表现](docs/master/30.md)
+ * [3.2. 调整估计器的超参数](docs/master/31.md)
+ * [3.3. 模型评估: 量化预测的质量](docs/master/32.md)
+ * [3.4. 模型持久化](docs/master/33.md)
+ * [3.5. 验证曲线: 绘制分数以评估模型](docs/master/34.md)
+ * [4. 检验](docs/master/35.md)
+ * [4.1. 部分依赖图](docs/master/36.md)
+ * [5. 数据集转换](docs/master/37.md)
+ * [5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器](docs/master/38.md)
+ * [5.2. 特征提取](docs/master/39.md)
+ * [5.3 预处理数据](docs/master/40.md)
+ * [5.4 缺失值插补](docs/master/41.md)
+ * [5.5. 无监督降维](docs/master/42.md)
+ * [5.6. 随机投影](docs/master/43.md)
+ * [5.7. 内核近似](docs/master/44.md)
+ * [5.8. 成对的矩阵, 类别和核函数](docs/master/45.md)
+ * [5.9. 预测目标 (`y`) 的转换](docs/master/46.md)
+ * [6. 数据集加载工具](docs/master/47.md)
+ * [6.1. 通用数据集 API](docs/master/47.md)
+ * [6.2. 玩具数据集](docs/master/47.md)
+ * [6.3 真实世界中的数据集](docs/master/47.md)
+ * [6.4. 样本生成器](docs/master/47.md)
+ * [6.5. 加载其他数据集](docs/master/47.md)
+ * [7. 使用scikit-learn计算](docs/master/48.md)
+ * [7.1. 大规模计算的策略: 更大量的数据](docs/master/48.md)
+ * [7.2. 计算性能](docs/master/48.md)
+ * [7.3. 并行性、资源管理和配置](docs/master/48.md)
+* [教程](docs/master/50.md)
+ * [使用 scikit-learn 介绍机器学习](docs/master/51.md)
+ * [关于科学数据处理的统计学习教程](docs/master/52.md)
+ * [机器学习: scikit-learn 中的设置以及预估对象](docs/master/53.md)
+ * [监督学习:从高维观察预测输出变量](docs/master/54.md)
+ * [模型选择:选择估计量及其参数](docs/master/55.md)
+ * [无监督学习: 寻求数据表示](docs/master/56.md)
+ * [把它们放在一起](docs/master/57.md)
+ * [寻求帮助](docs/master/58.md)
+ * [处理文本数据](docs/master/59.md)
+ * [选择正确的评估器(estimator.md)](docs/master/60.md)
+ * [外部资源,视频和谈话](docs/master/61.md)
* [API 参考](https://scikit-learn.org/stable/modules/classes.html)
-* [常见问题](docs/0.21.3/63.md)
-* [时光轴](docs/0.21.3/64.md)
+* [常见问题](docs/master/63.md)
+* [时光轴](docs/master/64.md)
## 历史版本
-* [scikit-learn (sklearn) 0.19 官方文档中文版](https://github.com/apachecn/scikit-learn-doc-zh/tree/0.19.x)
+* [scikit-learn (sklearn) 0.19 官方文档中文版](https://github.com/apachecn/sklearn-doc-zh/tree/master/docs/0.19.x.zip)
* [scikit-learn (sklearn) 0.18 官方文档中文版](http://cwiki.apachecn.org/pages/viewpage.action?pageId=10030181)
+如何编译使用历史版本:
+
+* 解压 `0.19.x.zip` 文件夹
+* 将 `master/img` 的图片资源, 复制到 `0.19.x` 里面去
+* gitbook 正常编译过程,可以使用 `sh run_website.sh`
+
## 贡献指南
项目当前处于校对阶段,请查看[贡献指南](CONTRIBUTING.md),并在[整体进度](https://github.com/apachecn/sklearn-doc-zh/issues/352)中领取任务。
@@ -146,18 +148,30 @@
[【0.19.X】贡献者名单](https://github.com/apachecn/sklearn-doc-zh/issues/354)
-## **项目协议**
-
-以各项目协议为准。
-
-ApacheCN 账号下没有协议的项目,一律视为 [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh)。
-
## 建议反馈
* 在我们的 [apachecn/pytorch-doc-zh](https://github.com/apachecn/sklearn-doc-zh) github 上提 issue.
* 发邮件到 Email: `apachecn@163.com`.
* 在我们的 [QQ群-搜索: 交流方式](https://github.com/apachecn/home) 中联系群主/管理员即可.
+## **项目协议**
+
+* **最近有很多人联系我们,关于内容授权问题!**
+* 开源是指知识应该重在传播和迭代(而不是禁止别人转载)
+* 不然你TM在GitHub开源,然后又说不让转载,你TM有病吧!
+* 禁止商业化,符合协议规范,备注地址来源,**重点: 不需要**发邮件给我们申请
+* ApacheCN 账号下没有协议的项目,一律视为 [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh)。
+
+温馨提示:
+
+* 对于个人想自己copy一份再更新的人
+* 我也是有这样的经历,但是这种激情维持不了几个月,就泄气了!
+* 不仅浪费了你的心血,还浪费了更多人看到你的翻译成果!很可惜!你觉得呢?
+* 个人的建议是: fork -> pull requests 到 `https://github.com/apachecn/sklearn-doc-zh`
+* 那为什么要选择 `ApacheCN` 呢?
+* 因为我们做翻译这事情是觉得开心和装逼,比较纯粹!
+* 你如果喜欢,你可以来参与/甚至负责这个项目,没人任何学历和背景的限制
+
## 赞助我们
diff --git a/SUMMARY.md b/SUMMARY.md
index 8bb97ea8943c808d57be066a97b34d99066780ff..064a6dbbf2a93cf3aa666d948a4f9fc90753c8c9 100644
--- a/SUMMARY.md
+++ b/SUMMARY.md
@@ -1,73 +1,73 @@
-* [安装 scikit-learn](docs/0.21.3/62.md)
+* [安装 scikit-learn](docs/master/62.md)
* 用户指南
- * [1. 监督学习](docs/0.21.3/1.md)
- * [1.1. 广义线性模型](docs/0.21.3/2.md)
- * [1.2. 线性和二次判别分析](docs/0.21.3/3.md)
- * [1.3. 内核岭回归](docs/0.21.3/4.md)
- * [1.4. 支持向量机](docs/0.21.3/5.md)
- * [1.5. 随机梯度下降](docs/0.21.3/6.md)
- * [1.6. 最近邻](docs/0.21.3/7.md)
- * [1.7. 高斯过程](docs/0.21.3/8.md)
- * [1.8. 交叉分解](docs/0.21.3/9.md)
- * [1.9. 朴素贝叶斯](docs/0.21.3/10.md)
- * [1.10. 决策树](docs/0.21.3/11.md)
- * [1.11. 集成方法](docs/0.21.3/12.md)
- * [1.12. 多类和多标签算法](docs/0.21.3/13.md)
- * [1.13. 特征选择](docs/0.21.3/14.md)
- * [1.14. 半监督学习](docs/0.21.3/15.md)
- * [1.15. 等式回归](docs/0.21.3/16.md)
- * [1.16. 概率校准](docs/0.21.3/17.md)
- * [1.17. 神经网络模型(有监督)](docs/0.21.3/18.md)
- * [2. 无监督学习](docs/0.21.3/19.md)
- * [2.1. 高斯混合模型](docs/0.21.3/20.md)
- * [2.2. 流形学习](docs/0.21.3/21.md)
- * [2.3. 聚类](docs/0.21.3/22.md)
- * [2.4. 双聚类](docs/0.21.3/23.md)
- * [2.5. 分解成分中的信号(矩阵分解问题)](docs/0.21.3/24.md)
- * [2.6. 协方差估计](docs/0.21.3/25.md)
- * [2.7. 新奇和异常值检测](docs/0.21.3/26.md)
- * [2.8. 密度估计](docs/0.21.3/27.md)
- * [2.9. 神经网络模型(无监督)](docs/0.21.3/28.md)
- * [3. 模型选择和评估](docs/0.21.3/29.md)
- * [3.1. 交叉验证:评估估算器的表现](docs/0.21.3/30.md)
- * [3.2. 调整估计器的超参数](docs/0.21.3/31.md)
- * [3.3. 模型评估: 量化预测的质量](docs/0.21.3/32.md)
- * [3.4. 模型持久化](docs/0.21.3/33.md)
- * [3.5. 验证曲线: 绘制分数以评估模型](docs/0.21.3/34.md)
- * [4. 检验](docs/0.21.3/35.md)
- * [4.1. 部分依赖图](docs/0.21.3/36.md)
- * [5. 数据集转换](docs/0.21.3/37.md)
- * [5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器](docs/0.21.3/38.md)
- * [5.2. 特征提取](docs/0.21.3/39.md)
- * [5.3 预处理数据](docs/0.21.3/40.md)
- * [5.4 缺失值插补](docs/0.21.3/41.md)
- * [5.5. 无监督降维](docs/0.21.3/42.md)
- * [5.6. 随机投影](docs/0.21.3/43.md)
- * [5.7. 内核近似](docs/0.21.3/44.md)
- * [5.8. 成对的矩阵, 类别和核函数](docs/0.21.3/45.md)
- * [5.9. 预测目标 (`y`) 的转换](docs/0.21.3/46.md)
- * [6. 数据集加载工具](docs/0.21.3/47.md)
- * [6.1. 通用数据集 API](docs/0.21.3/47.md)
- * [6.2. 玩具数据集](docs/0.21.3/47.md)
- * [6.3 真实世界中的数据集](docs/0.21.3/47.md)
- * [6.4. 样本生成器](docs/0.21.3/47.md)
- * [6.5. 加载其他数据集](docs/0.21.3/47.md)
- * [7. 使用scikit-learn计算](docs/0.21.3/48.md)
- * [7.1. 大规模计算的策略: 更大量的数据](docs/0.21.3/48.md)
- * [7.2. 计算性能](docs/0.21.3/48.md)
- * [7.3. 并行性、资源管理和配置](docs/0.21.3/48.md)
-* [教程](docs/0.21.3/50.md)
- * [使用 scikit-learn 介绍机器学习](docs/0.21.3/51.md)
- * [关于科学数据处理的统计学习教程](docs/0.21.3/52.md)
- * [机器学习: scikit-learn 中的设置以及预估对象](docs/0.21.3/53.md)
- * [监督学习:从高维观察预测输出变量](docs/0.21.3/54.md)
- * [模型选择:选择估计量及其参数](docs/0.21.3/55.md)
- * [无监督学习: 寻求数据表示](docs/0.21.3/56.md)
- * [把它们放在一起](docs/0.21.3/57.md)
- * [寻求帮助](docs/0.21.3/58.md)
- * [处理文本数据](docs/0.21.3/59.md)
- * [选择正确的评估器(estimator.md)](docs/0.21.3/60.md)
- * [外部资源,视频和谈话](docs/0.21.3/61.md)
+ * [1. 监督学习](docs/master/1.md)
+ * [1.1. 广义线性模型](docs/master/2.md)
+ * [1.2. 线性和二次判别分析](docs/master/3.md)
+ * [1.3. 内核岭回归](docs/master/4.md)
+ * [1.4. 支持向量机](docs/master/5.md)
+ * [1.5. 随机梯度下降](docs/master/6.md)
+ * [1.6. 最近邻](docs/master/7.md)
+ * [1.7. 高斯过程](docs/master/8.md)
+ * [1.8. 交叉分解](docs/master/9.md)
+ * [1.9. 朴素贝叶斯](docs/master/10.md)
+ * [1.10. 决策树](docs/master/11.md)
+ * [1.11. 集成方法](docs/master/12.md)
+ * [1.12. 多类和多标签算法](docs/master/13.md)
+ * [1.13. 特征选择](docs/master/14.md)
+ * [1.14. 半监督学习](docs/master/15.md)
+ * [1.15. 等式回归](docs/master/16.md)
+ * [1.16. 概率校准](docs/master/17.md)
+ * [1.17. 神经网络模型(有监督)](docs/master/18.md)
+ * [2. 无监督学习](docs/master/19.md)
+ * [2.1. 高斯混合模型](docs/master/20.md)
+ * [2.2. 流形学习](docs/master/21.md)
+ * [2.3. 聚类](docs/master/22.md)
+ * [2.4. 双聚类](docs/master/23.md)
+ * [2.5. 分解成分中的信号(矩阵分解问题)](docs/master/24.md)
+ * [2.6. 协方差估计](docs/master/25.md)
+ * [2.7. 新奇和异常值检测](docs/master/26.md)
+ * [2.8. 密度估计](docs/master/27.md)
+ * [2.9. 神经网络模型(无监督)](docs/master/28.md)
+ * [3. 模型选择和评估](docs/master/29.md)
+ * [3.1. 交叉验证:评估估算器的表现](docs/master/30.md)
+ * [3.2. 调整估计器的超参数](docs/master/31.md)
+ * [3.3. 模型评估: 量化预测的质量](docs/master/32.md)
+ * [3.4. 模型持久化](docs/master/33.md)
+ * [3.5. 验证曲线: 绘制分数以评估模型](docs/master/34.md)
+ * [4. 检验](docs/master/35.md)
+ * [4.1. 部分依赖图](docs/master/36.md)
+ * [5. 数据集转换](docs/master/37.md)
+ * [5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器](docs/master/38.md)
+ * [5.2. 特征提取](docs/master/39.md)
+ * [5.3 预处理数据](docs/master/40.md)
+ * [5.4 缺失值插补](docs/master/41.md)
+ * [5.5. 无监督降维](docs/master/42.md)
+ * [5.6. 随机投影](docs/master/43.md)
+ * [5.7. 内核近似](docs/master/44.md)
+ * [5.8. 成对的矩阵, 类别和核函数](docs/master/45.md)
+ * [5.9. 预测目标 (`y`) 的转换](docs/master/46.md)
+ * [6. 数据集加载工具](docs/master/47.md)
+ * [6.1. 通用数据集 API](docs/master/47.md)
+ * [6.2. 玩具数据集](docs/master/47.md)
+ * [6.3 真实世界中的数据集](docs/master/47.md)
+ * [6.4. 样本生成器](docs/master/47.md)
+ * [6.5. 加载其他数据集](docs/master/47.md)
+ * [7. 使用scikit-learn计算](docs/master/48.md)
+ * [7.1. 大规模计算的策略: 更大量的数据](docs/master/48.md)
+ * [7.2. 计算性能](docs/master/48.md)
+ * [7.3. 并行性、资源管理和配置](docs/master/48.md)
+* [教程](docs/master/50.md)
+ * [使用 scikit-learn 介绍机器学习](docs/master/51.md)
+ * [关于科学数据处理的统计学习教程](docs/master/52.md)
+ * [机器学习: scikit-learn 中的设置以及预估对象](docs/master/53.md)
+ * [监督学习:从高维观察预测输出变量](docs/master/54.md)
+ * [模型选择:选择估计量及其参数](docs/master/55.md)
+ * [无监督学习: 寻求数据表示](docs/master/56.md)
+ * [把它们放在一起](docs/master/57.md)
+ * [寻求帮助](docs/master/58.md)
+ * [处理文本数据](docs/master/59.md)
+ * [选择正确的评估器(estimator.md)](docs/master/60.md)
+ * [外部资源,视频和谈话](docs/master/61.md)
* [API 参考](https://scikit-learn.org/stable/modules/classes.html)
-* [常见问题](docs/0.21.3/63.md)
-* [时光轴](docs/0.21.3/64.md)
+* [常见问题](docs/master/63.md)
+* [时光轴](docs/master/64.md)
diff --git a/ads.txt b/ads.txt
new file mode 100644
index 0000000000000000000000000000000000000000..7e31cf1f69f6c0cb2f7d03f1a12212b5cc83bda8
--- /dev/null
+++ b/ads.txt
@@ -0,0 +1 @@
+google.com, pub-3565452474788507, DIRECT, f08c47fec0942fa0
\ No newline at end of file
diff --git a/docs/img/scikit-learn-logo.png b/img/logo/scikit-learn-logo.png
similarity index 100%
rename from docs/img/scikit-learn-logo.png
rename to img/logo/scikit-learn-logo.png
diff --git a/run_website.sh b/run_website.sh
index a5a28745791494de43ecc149813cf81f864691ac..c8a9456db8e59005bf07f9d8586960d9879202c1 100644
--- a/run_website.sh
+++ b/run_website.sh
@@ -2,7 +2,7 @@
loginfo() { echo "[INFO] $@"; }
logerror() { echo "[ERROR] $@" 1>&2; }
-versions="0.21.3 0.19.x"
+versions="examples"
python3 src/init_gitbook.py versions
python3 src/script.py "home" "book"
rm -rf node_modules/gitbook-plugin-tbfed-pagefooter