Merge pull request #310 from CoderOverflow/patch-10

2.18.2 支持向量机能解决哪些问题 内容修订

ch02_机器学习基础/第二章_机器学习基础.md

@@ -1528,13 +1528,13 @@ $$
 
 **线性分类**
 
-​	在训练数据中，每个数据都有n个的属性和一个二类类别标志，我们可以认为这些数据在一个n维空间里。我们的目标是找到一个n-1维的超平面，这个超平面可以将数据分成两部分，每部分数据都属于同一个类别。
+​	在训练数据中，每个数据都有n个的属性和一个二分类类别标志，我们可以认为这些数据在一个n维空间里。我们的目标是找到一个n-1维的超平面，这个超平面可以将数据分成两部分，每部分数据都属于同一个类别。
 
-​	这样的超平面有很多，假如我们要找到一个最佳的。此时，增加一个约束条件：要求这个超平面到每边最近数据点的距离是最大的，成为最大间隔超平面。这个分类器即为最大间隔分类器。
+​	这样的超平面有很多，假如我们要找到一个最佳的超平面。此时，增加一个约束条件：要求这个超平面到每边最近数据点的距离是最大的，成为最大边距超平面。这个分类器即为最大边距分类器。
 
 **非线性分类**
 
-​	SVM的一个优势是支持非线性分类。它结合使用拉格朗日乘子法和KKT条件，以及核函数可以产生非线性分类器。
+​	SVM的一个优势是支持非线性分类。它结合使用拉格朗日乘子法（Lagrange Multiplier）和KKT（Karush Kuhn Tucker）条件，以及核函数可以生成非线性分类器。
 
 ### 2.18.3 核函数特点及其作用？