mv folders so that they are in order

Author: SleepyBag

.gitignore

@@ -184,4 +184,6 @@ flycheck_*.el
 # network security
 /network-security.data
 
-
+GPATH
+GRTAGS
+GTAGS

2.Perceptron/perceptron.py renamed to 02.Perceptron/perceptron.py

@@ -60,31 +60,31 @@ GitHub 上有许多实现《统计学习方法》的仓库。本仓库与它们
 
 ## 目录
 
-- [第 2 章 - 感知机](2.Perceptron)
-  - [感知机](2.Perceptron/perceptron.py)
-- [第 3 章 - k 近邻法](3.KNN)
-  - [k 近邻模型](3.KNN/knn.py)
-  - [k 近邻模型 - 使用 KD 树实现](3.KNN/knn_kdtree.py)
-- [第 4 章 - 朴素贝叶斯法](4.NaiveBayes)
-  - [使用极大似然估计的朴素贝叶斯模型](4.NaiveBayes/NaiveBayesMLE.py)
-  - [使用贝叶斯估计的朴素贝叶斯模型](4.NaiveBayes/NaiveBayesMAP.py)
-- [第 5 章 - 决策树](5.DecisionTree)
-  - [ID3 决策树](5.DecisionTree/ID3.py)
-  - [C4.5 决策树](5.DecisionTree/C4.5.py)
-  - [决策树剪枝算法](5.DecisionTree/prune.py)
-  - [分类 CART 决策树](5.DecisionTree/ClassificationCART.py)
-  - [分类 CART 决策树剪枝算法](5.DecisionTree/pruneClassificationCART.py)
-  - [回归 CART 决策树](5.DecisionTree/RegressionCART.py)
-- [第 6 章 - 逻辑斯谛回归与最大熵模型](6.LogisticRegression-MaxEntropy)
-  - [逻辑斯谛回归模型](6.LogisticRegression-MaxEntropy/BinaryLogisticRegression.py)
-  - [最大熵模型](6.LogisticRegression-MaxEntropy/MaxEntropy.py)
-- [第 7 章 - 支持向量机](7.SVM)
-  - [支持向量机](7.SVM/SVM.py)
-- [第 8 章 - 提升方法](8.Boosting)
-  - [AdaBoost](8.Boosting/AdaBoost.py)
-  - [梯度提升树](8.Boosting/GBDT.py)
-- [第 9 章 - EM 算法及其推广](9.EM)
-  - [高斯混合模型](9.EM/GMM.py)
+- [第 2 章 - 感知机](02.Perceptron)
+  - [感知机](02.Perceptron/perceptron.py)
+- [第 3 章 - k 近邻法](03.KNN)
+  - [k 近邻模型](03.KNN/knn.py)
+  - [k 近邻模型 - 使用 KD 树实现](03.KNN/knn_kdtree.py)
+- [第 4 章 - 朴素贝叶斯法](04.NaiveBayes)
+  - [使用极大似然估计的朴素贝叶斯模型](04.NaiveBayes/NaiveBayesMLE.py)
+  - [使用贝叶斯估计的朴素贝叶斯模型](04.NaiveBayes/NaiveBayesMAP.py)
+- [第 5 章 - 决策树](05.DecisionTree)
+  - [ID3 决策树](05.DecisionTree/ID3.py)
+  - [C4.5 决策树](05.DecisionTree/C4.5.py)
+  - [决策树剪枝算法](05.DecisionTree/prune.py)
+  - [分类 CART 决策树](05.DecisionTree/ClassificationCART.py)
+  - [分类 CART 决策树剪枝算法](05.DecisionTree/pruneClassificationCART.py)
+  - [回归 CART 决策树](05.DecisionTree/RegressionCART.py)
+- [第 6 章 - 逻辑斯谛回归与最大熵模型](06.LogisticRegression-MaxEntropy)
+  - [逻辑斯谛回归模型](06.LogisticRegression-MaxEntropy/BinaryLogisticRegression.py)
+  - [最大熵模型](06.LogisticRegression-MaxEntropy/MaxEntropy.py)
+- [第 7 章 - 支持向量机](07.SVM)
+  - [支持向量机](07.SVM/SVM.py)
+- [第 8 章 - 提升方法](08.Boosting)
+  - [AdaBoost](08.Boosting/AdaBoost.py)
+  - [梯度提升树](08.Boosting/GBDT.py)
+- [第 9 章 - EM 算法及其推广](09.EM)
+  - [高斯混合模型](09.EM/GMM.py)
 - [第 10 章 - 隐马尔科夫模型](10.HMM)
   - [前向算法](10.HMM/Forward.py)
   - [后向算法](10.HMM/Backward.py)