diff --git a/README.md b/README.md
index ffef251..1a3cb8a 100644
--- a/README.md
+++ b/README.md
@@ -25,10 +25,12 @@
         </ul>
     <li><a>机器学习MachineLearning</a> 
     <ul>
-        <li><a>持续更新中</a>
+        <li><a href='https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/%E5%BF%AB%E6%89%8B%E7%9F%AD%E8%A7%86%E9%A2%91%E7%94%A8%E6%88%B7%E6%B4%BB%E8%B7%83%E5%BA%A6%E5%88%86%E6%9E%90'>快手用户活跃预测（含数据集）</a>
+        <li><a href='https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E7%AB%9E%E8%B5%9B%E5%AE%9E%E6%88%98_%E4%BC%98%E8%83%9C%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/%E5%B7%A5%E4%B8%9A%E5%8C%96%E5%B7%A5%E7%94%9F%E4%BA%A7%E9%A2%84%E6%B5%8B'>工业化工生产预测（含数据集）</a>
 	</ul>
 
 
 
 
 
+
diff --git a/assets/1606031210722.png b/assets/1606031210722.png
deleted file mode 100644
index 28267e8..0000000
Binary files a/assets/1606031210722.png and /dev/null differ
diff --git a/assets/1606031429856.png b/assets/1606031429856.png
deleted file mode 100644
index 4798022..0000000
Binary files a/assets/1606031429856.png and /dev/null differ
diff --git a/assets/1606031463635.png b/assets/1606031463635.png
deleted file mode 100644
index 84a8335..0000000
Binary files a/assets/1606031463635.png and /dev/null differ
diff --git a/必备数学基础.md b/必备数学基础.md
index dad73dd..53bba2f 100644
--- a/必备数学基础.md
+++ b/必备数学基础.md
@@ -1191,51 +1191,78 @@ https://scikit-learn.org/stable/auto_examples/
 
 ### 假设检验
 
-#### 假设检验的基本思想
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C%E7%AB%A0%E8%8A%82)
+
+#### 假设检验基本思想
+
+#### 左右侧检验与双侧检验
+
+#### Z检验基本原理
+
+#### Z检验实例
+
+#### T检验
 
-##### 假设检验
+#### T检验实例
 
-<ul>
-    <li>什么是假设：对总体参数(均值,比例等)的具体数值所作的陈述。比如,我认为新的配方的药效要比原来的更好。
-    <li>什么是假设检验:先难总体的参数提出某种假设,然后利用样本的信息判断假设是否成立的过程。比如,上面的假设我是要接受还是拒绝呢
-</ul>
+#### 卡方检验
 
-##### 假设校验的应用
+#### 假设检验中的两类错误
 
-<ul>
-    <li>推广新的教育方案后,教学效果是否有所
-    <li>提高醉驾判定为刑事犯罪后是否会使得交通事故减少
-    <li>男生和女生在选文理科时是否存在性别因素影响
+以上内容均已更新在notebook
 
-##### 假设校验的基本思想
 
+#### Python假设校验实例
 
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C%E7%AB%A0%E8%8A%82)
+
+#### Python卡方检验实例
+
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E5%81%87%E8%AE%BE%E6%A3%80%E9%AA%8C%E7%AB%A0%E8%8A%82)
 
 
 
 ### 相关分析
 
-notebook已更新，markdown待更新
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E7%9B%B8%E5%85%B3%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82)
+
+#### 皮尔逊相关系数
+
+#### 计算与检验
+
+#### 肯德尔和谐系数
+
+#### 质量相关分析
+
+#### 品质相关分析
+
+#### 偏相关分析
+
+#### 复相关分析
+
+以上内容均已更新在notebook
 
 
 
 ### 方差分析
 
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E6%96%B9%E5%B7%AE%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82)
+
 #### 方差分析概述
 
-检验多个总体均值是否相等,通过分析察数据的误差判断各总体均值是否相等
+#### 方差分析计算方法
 
-![1606031210722](assets/1606031210722.png)
+#### 单因素方差分析
 
-下图，所有的样本都在一个相似的正态分布区间
+#### 方差分析中的多重比较
 
-![1606031429856](assets/1606031429856.png)
+#### 多因素方差分析
 
-下图，所有的样本都是正态分布，但不在同一分布区间
+以上内容均已更新在notebook
 
-![1606031463635](assets/1606031463635.png)
+#### Python方差分析实例
 
-待更新，notebook已更新
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E6%96%B9%E5%B7%AE%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82)
 
 
 
@@ -1365,7 +1392,15 @@ X轴上的特征表示归一化后，是对某个特征增强10倍，其它不
 
 可以看到DBSCAN总体上都是偏好的，所以一般情况下，首选是DBSCAN
 
-#### 聚类案例实例
+#### 层次聚类
+
+#### Python层次聚类
+
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E8%81%9A%E7%B1%BB%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82)
+
+#### 聚类案例实战
+
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E8%81%9A%E7%B1%BB%E5%88%86%E6%9E%90%E7%AB%A0%E8%8A%82)
 
 
 
@@ -1650,3 +1685,6 @@ W=1表示是感染的，W=0表示是未感染的。求解公式如下：
 >
 > 分子：两个孩子是未感染者的情况下，女人是感染者的概率 × 感染者概率
 
+#### 贝叶斯建模
+
+[请跳转至notebook](https://github.com/ben1234560/AiLearning-Theory-Applying/tree/master/notebook_%E5%BF%85%E5%A4%87%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80/%E8%B4%9D%E5%8F%B6%E6%96%AF%E5%88%86%E6%9E%90)
\ No newline at end of file
diff --git a/机器学习竞赛实战_优胜解决方案/快手短视频用户活跃度分析/数据集链接 b/机器学习竞赛实战_优胜解决方案/快手短视频用户活跃度分析/数据集链接
new file mode 100644
index 0000000..2b6a94f
--- /dev/null
+++ b/机器学习竞赛实战_优胜解决方案/快手短视频用户活跃度分析/数据集链接
@@ -0,0 +1 @@
+数据集链接：https://pan.baidu.com/s/1HRR5qKCYlcdgxLja-_Kv0w 提取码：ep7q 
\ No newline at end of file