修正了文档中的问题

Day81-90/86.K-Means聚类算法.md

@@ -28,9 +28,8 @@ J = \sum_{i=1}^{K} \sum_{x \in C_{i}} {\lVert x - \mu_{i} \rVert}^{2}
 $$
 其中，$\small{K}$是簇的数量，$\small{C_{i}}$表示第$\small{i}$个簇中的样本集合，$\small{\mu_{i}}$是第$\small{i}$个簇的中心，$\small{x}$是数据点。因为这个问题属于 NP 困难组合优化问题，所以在实际求解时我们会采用迭代的方式来寻求满意解。
 
-首先随机选择$\small{K}$个点作为初始质心 $\small{\mu_{1}, \mu_{2}, \cdots, \mu_{K}}$，对于每个数据点$\small{x_{j}}$。
+首先随机选择$\small{K}$个点作为初始质心 $\small{\mu_{1}, \mu_{2}, \cdots, \mu_{K}}$，对于每个数据点$\small{x_{j}}$，计算到每个质心的距离，选择距离最近的质心，即：
 
-计算到每个质心的距离，选择距离最近的质心，即：
 $$
 C_{i} = \lbrace {x_{j} \ | \ {\lVert x_{j} - \mu_{i} \rVert}^{2} \le {\lVert x_{j} - \mu_{k} \rVert}^{2} \ \text{for all} \ k \ne i} \rbrace
 $$

Day81-90/88.深度学习概述.md

@@ -1,2 +0,0 @@
-## 深度学习概述
-

Day81-90/88.自然语言处理入门.md

@@ -0,0 +1,2 @@
+## 自然语言处理入门
+

Day81-90/89.PyTorch深度学习入门.md

@@ -1,2 +0,0 @@
-## PyTorch深度学习入门
-

Day81-90/89.神经网络模型.md

@@ -0,0 +1,2 @@
+## 神经网络模型
+

Day81-90/90.PyTorch深度学习实战.md

@@ -1,2 +0,0 @@
-## PyTorch深度学习实战
-

Day81-90/90.深度学习和PyTorch概述.md

@@ -0,0 +1,2 @@
+## 深度学习和PyTorch概述
+

README.md

@@ -627,11 +627,11 @@ Python在以下领域都有用武之地。
 
 #### Day87 - [集成学习算法](./Day81-90/87.集成学习算法.md)
 
-#### Day88 - [深度学习概述](./Day81-90/88.深度学习概述.md)
+#### Day88 - [自然语言处理入门](./Day81-90/88.自然语言处理入门.md)
 
-#### Day89 - [PyTorch深度学习入门](./Day81-90/89.PyTorch深度学习入门.md)
+#### Day89 - [神经网络模型](./Day81-90/89.神经网络模型.md)
 
-#### Day90 - [PyTorch深度学习实战](./Day81-90/90.PyTorch深度学习实战.md)
+#### Day90 - [深度学习和PyTorch概述](./Day81-90/90.深度学习和PyTorch概述.md)
 
 ### Day91~100 - [团队项目开发](./Day91-100)