diff --git a/README.md b/README.md
index e4b4694..ad64714 100644
--- a/README.md
+++ b/README.md
@@ -2,35 +2,35 @@ MachineLearningCourse
 ==============
 _读本人更多原创文章,欢迎关注微信订阅号_
 
-SharEDITor
+lcsays
 
 _欢迎关注我的另外两个github项目_
- * [_教你成为全栈工程师_](https://github.com/warmheartli/FullStackDeveloperCourse)
- * [_自己动手做聊天机器人教程_](https://github.com/warmheartli/ChatBotCourse)
+ * [_教你成为全栈工程师_](https://github.com/lcdevelop/FullStackDeveloperCourse)
+ * [_自己动手做聊天机器人教程_](https://github.com/lcdevelop/ChatBotCourse)
 
 机器学习精简入门教程
 ==============
- * [机器学习教程 一-不懂这些线性代数知识 别说你是搞机器学习的](http://www.shareditor.com/blogshow/?blogId=1)(2016年04月01日)
- * [机器学习教程 二-安装octave绘制3D函数图像](http://www.shareditor.com/blogshow/?blogId=28)(2016年04月30日)
- * [机器学习教程 三-用scikit-learn求解一元线性回归问题](http://www.shareditor.com/blogshow/?blogId=53)(2016年05月30日)
- * [机器学习教程 四-用scikit-learn求解多元线性回归问题](http://www.shareditor.com/blogshow/?blogId=54)(2016年05月30日)
- * [机器学习教程 五-用matplotlib绘制精美的图表](http://www.shareditor.com/blogshow/?blogId=55)(2016年05月31日)
- * [机器学习教程 六-用scikit-learn求解多项式回归问题](http://www.shareditor.com/blogshow/?blogId=56)(2016年06月01日)
- * [机器学习教程 七-用随机梯度下降法(SGD)做线性拟合](http://www.shareditor.com/blogshow/?blogId=57)(2016年06月01日)
- * [机器学习教程 八-用scikit-learn做特征提取](http://www.shareditor.com/blogshow/?blogId=58)(2016年06月01日)
- * [机器学习教程 九-二元分类效果的评估方法](http://www.shareditor.com/blogshow/?blogId=59)(2016年06月02日)
- * [机器学习教程 十-用scikit-learn的网格搜索快速找到最优模型参数](http://www.shareditor.com/blogshow/?blogId=60)(2016年06月02日)
- * [机器学习教程 十一-用scikit-learn做聚类分析](http://www.shareditor.com/blogshow/?blogId=61)(2016年06月03日)
- * [机器学习教程 十二-神经网络模型的原理](http://www.shareditor.com/blogshow/?blogId=91)(2016年07月29日)
- * [机器学习教程 十三-用scikit-learn做逻辑回归](http://www.shareditor.com/blogshow/?blogId=93)(2016年08月03日)
- * [机器学习教程 十四-利用tensorflow做手写数字识别](http://www.shareditor.com/blogshow/?blogId=94)(2016年08月03日)
- * [机器学习教程 十五-细解卷积神经网络](http://www.shareditor.com/blogshow/?blogId=95)(2016年08月06日)
- * [机器学习教程 十六-深究熵的概念和公式以及最大熵原理](http://www.shareditor.com/blogshow/?blogId=98)(2016年08月17日)
- * [机器学习教程 十七-逻辑回归公式的数学推导](http://www.shareditor.com/blogshow/?blogId=102)(2016年08月24日)
- * [机器学习教程 十八-R语言特征工程实战](http://www.shareditor.com/blogshow/?blogId=106)(2016年09月01日)
- * [机器学习教程 十九-看数据科学家是如何找回丢失的数据的(一)](http://www.shareditor.com/blogshow/?blogId=107)(2016年09月03日)
- * [机器学习教程 二十-看数据科学家是如何找回丢失的数据的(二)](http://www.shareditor.com/blogshow/?blogId=108)(2016年09月03日)
- * [机器学习教程 二十一-R语言炫技必备基本功](http://www.shareditor.com/blogshow/?blogId=109)(2016年09月06日)
- * [机器学习教程 二十二-一小时掌握R语言数据可视化](http://www.shareditor.com/blogshow/?blogId=110)(2016年09月13日)
- * [机器学习教程 二十三-R语言强大工具包ggplot绘图以外的那些事](http://www.shareditor.com/blogshow/?blogId=111)(2016年09月13日)
- * [机器学习教程 二十四-[吐血整理]涉及面最广的机器学习资料大全](http://www.shareditor.com/blogshow/?blogId=123)(2017年02月16日)
+ * [机器学习教程 一-不懂这些线性代数知识 别说你是搞机器学习的](https://blog.codemeteors.com/tutorial/1)(2016年04月01日)
+ * [机器学习教程 二-安装octave绘制3D函数图像](https://blog.codemeteors.com/tutorial/28)(2016年04月30日)
+ * [机器学习教程 三-用scikit-learn求解一元线性回归问题](https://blog.codemeteors.com/tutorial/53)(2016年05月30日)
+ * [机器学习教程 四-用scikit-learn求解多元线性回归问题](https://blog.codemeteors.com/tutorial/54)(2016年05月30日)
+ * [机器学习教程 五-用matplotlib绘制精美的图表](https://blog.codemeteors.com/tutorial/55)(2016年05月31日)
+ * [机器学习教程 六-用scikit-learn求解多项式回归问题](https://blog.codemeteors.com/tutorial/56)(2016年06月01日)
+ * [机器学习教程 七-用随机梯度下降法(SGD)做线性拟合](https://blog.codemeteors.com/tutorial/57)(2016年06月01日)
+ * [机器学习教程 八-用scikit-learn做特征提取](https://blog.codemeteors.com/tutorial/58)(2016年06月01日)
+ * [机器学习教程 九-二元分类效果的评估方法](https://blog.codemeteors.com/tutorial/59)(2016年06月02日)
+ * [机器学习教程 十-用scikit-learn的网格搜索快速找到最优模型参数](https://blog.codemeteors.com/tutorial/60)(2016年06月02日)
+ * [机器学习教程 十一-用scikit-learn做聚类分析](https://blog.codemeteors.com/tutorial/61)(2016年06月03日)
+ * [机器学习教程 十二-神经网络模型的原理](https://blog.codemeteors.com/tutorial/91)(2016年07月29日)
+ * [机器学习教程 十三-用scikit-learn做逻辑回归](https://blog.codemeteors.com/tutorial/93)(2016年08月03日)
+ * [机器学习教程 十四-利用tensorflow做手写数字识别](https://blog.codemeteors.com/tutorial/94)(2016年08月03日)
+ * [机器学习教程 十五-细解卷积神经网络](https://blog.codemeteors.com/tutorial/95)(2016年08月06日)
+ * [机器学习教程 十六-深究熵的概念和公式以及最大熵原理](https://blog.codemeteors.com/tutorial/98)(2016年08月17日)
+ * [机器学习教程 十七-逻辑回归公式的数学推导](https://blog.codemeteors.com/tutorial/102)(2016年08月24日)
+ * [机器学习教程 十八-R语言特征工程实战](https://blog.codemeteors.com/tutorial/106)(2016年09月01日)
+ * [机器学习教程 十九-看数据科学家是如何找回丢失的数据的(一)](https://blog.codemeteors.com/tutorial/107)(2016年09月03日)
+ * [机器学习教程 二十-看数据科学家是如何找回丢失的数据的(二)](https://blog.codemeteors.com/tutorial/108)(2016年09月03日)
+ * [机器学习教程 二十一-R语言炫技必备基本功](https://blog.codemeteors.com/tutorial/109)(2016年09月06日)
+ * [机器学习教程 二十二-一小时掌握R语言数据可视化](https://blog.codemeteors.com/tutorial/110)(2016年09月13日)
+ * [机器学习教程 二十三-R语言强大工具包ggplot绘图以外的那些事](https://blog.codemeteors.com/tutorial/111)(2016年09月13日)
+ * [机器学习教程 二十四-[吐血整理]涉及面最广的机器学习资料大全](https://blog.codemeteors.com/tutorial/123)(2017年02月16日)
</div><div class="naked_ctrl">
<form action="/index.cgi/contrast" method="get" name="gate">
<p><a href="http://altstyle.alfasado.net">AltStyle</a> によって変換されたページ <a href="https://github.com/xiaomaha/MachineLearningCourse/compare/master...lcdevelop:MachineLearningCourse:master.diff">(-&gt;オリジナル)</a>
/ <label>アドレス: <input type="text" name="naked_post_url" value="https://github.com/xiaomaha/MachineLearningCourse/compare/master...lcdevelop:MachineLearningCourse:master.diff" size="22" /></label> <label>モード: <select name="naked_post_mode">
<option value="default">デフォルト</option>
<option value="speech">音声ブラウザ</option>
<option value="ruby">ルビ付き</option>
<option value="contrast" selected="selected">配色反転</option>
<option value="larger-text">文字拡大</option>
<option value="mobile">モバイル</option>
</select>
<input type="submit" value="表示" />
</p>
</form>
</div>