diff --git a/Day81-90/85.回归模型.md b/Day81-90/85.回归模型.md
index e135896..55dba28 100755
--- a/Day81-90/85.回归模型.md
+++ b/Day81-90/85.回归模型.md
@@ -279,26 +279,26 @@ $$
 4. 决定系数（R-Squared, $\small{R^{2}}$）。 $\small{R^{2}}$ 是一个相对指标，用于衡量模型对数据的拟合程度，其值越接近 1 越好。 $\small{R^{2}}$ 的计算公式为：
 
 $$
-R^{2} = 1 - \frac{\text{SS}_{\text{res}}}{\text{SS}_{\text{tot}}}
+R^{2} = 1 - \frac{SS_{res}}{{SS}_{tot}}
 $$
 
 其中， 
 
 $$
-\small{\text{SS}_{\text{res}} = \sum_{i=1}^{m}(y_{i} - \hat{y}_{i})^2}
+SS_{res} = \sum_{i=1}^{m}(y_{i} - \hat{y}_{i})^{2}
 $$
 
 为残差平方和；
 
 $$
-\small{\text{SS}_{\text{tot}} = \sum_{i=1}^{m} (y_{i} - \bar{y})^{2}}
+SS_{tot} = \sum_{i=1}^{m} (y_{i} - \bar{y})^{2}
 $$
 
-为总平方和，如下图所示。
+为总平方和。
 
 <img src="res/05_regression_r2.png" style="zoom:40%;">
 
-上图左边红色正方形的面积之和代表总平方和，右边蓝色正方形的面积之和代表残差的平方和，很显然，模型拟合的效果越好，残差平方和除以总平方和的值就越接近 0， $\small{R^{2}}$ 的值就越接近 1。通常 $\small{R^{2} \ge 0.8}$ 时，我们认为模型的拟合效果已经很不错了。
+上图左边红色正方形的面积之和就是总平方和，右边蓝色正方形的面积之和就是残差平方和，很显然，模型拟合的效果越好，残差平方和除以总平方和的值就越接近 0， $\small{R^{2}}$ 的值就越接近 1。通常 $\small{R^{2} \ge 0.8}$ 时，我们认为模型的拟合效果已经很不错了。
 
 可以使用 scikit-learn 中封装好的函数计算出均方误差、平均绝对误差和 $\small{R^{2}}$ 的值，代码如下所示。