更新了部分文档

Day71-80/71.人工智能和机器学习概述.md

@@ -119,5 +119,12 @@ $$
 5. 测试算法
 6. 应用算法
 
-### 
+### Scikit-learn介绍
 
+![](res/scikit-learn-logo.png)
+
+Scikit-learn源于Google Summer of Code项目，由David Cournapeau在2007年发起，它提供了机器学习可能用到的工具，包括数据预处理、监督学习（分类、回归）、非监督学习（聚类）、模型选择、降维等。
+
+官网地址：<https://scikit-learn.org/stable/index.html>
+
+安装方法：`pip install scikit-learn`

Day71-80/72.k最近邻分类.md

@@ -20,3 +20,20 @@ k值的选择对于kNN算法的结果有非常显著的影响。下面用李航
 
 实际应用中，$k$的取值通常都比较小，可以通过交叉检验的方式来选择较好的$k$值。
 
+
+
+### 算法优缺点
+
+优点：
+
+1. 简单有效
+2. 重新训练代价低
+3. 适合类域交叉样本
+4. 适合大样本分类
+
+缺点：
+
+1. 惰性学习
+2. 输出的可解释性不强
+3. 不擅长处理不均衡样本
+4. 计算量比较大

README.md

@@ -377,7 +377,7 @@ Python在以下领域都有用武之地。
 
 #### Day80 - [推荐系统实战](./Day71-90/80.推荐系统实战.md)
 
-### Day81~90 - 大数据分析实战
+### Day81~90 - [大数据分析实战](./Day81-90)
 
 ### Day91~100 - [团队项目开发](./Day91-100)