fix typo

docs/12-Support-Vector-Machines-and-Flexible-Discriminants/12.1-Introduction.md

@@ -7,7 +7,7 @@
 | 更新|2017.10.15; 2018.02.12 |
 |状态|Done|
 
-在这章我们将要描述用于分类的线性判别边界的推广．当两个类别是线性可分时我们在第四章中介绍了最优分离超平面．这里我们介绍不可分的情形，即当类别有重叠时．这些技巧会被推广为为**支持向量机(support vector machine)**，通过在大的、变换后的特征空间中构造线性边界得到非线性边界．第二套方法推广了Fisher的线性判别分析（LDA）．推广包括**可变的判别分析(flexible discriminant analysis)**，它以一种很类似于支持向量机的方式帮助构造非线性边界，除此之外，还有对含有大量相关的特征的信号和图像数据分类而进行的**带惩罚的判别分析(penalized discriminant analysis)**，以及对于无规则类别的**混合判别分析(mixture discriminant analysis)**．
+在这章我们将要描述用于分类的线性判别边界的推广．当两个类别是线性可分时我们在第四章中介绍了最优分离超平面．这里我们介绍不可分的情形，即当类别有重叠时．这些技巧会被推广为为**支持向量机(support vector machine)**，通过在大的、变换后的特征空间中构造线性边界得到非线性边界．第二套方法推广了Fisher的线性判别分析（LDA）．推广包括 **可变的判别分析(flexible discriminant analysis)**，它以一种很类似于支持向量机的方式帮助构造非线性边界，除此之外，还有对含有大量相关的特征的信号和图像数据分类而进行的**带惩罚的判别分析(penalized discriminant analysis)**，以及对于无规则类别的**混合判别分析(mixture discriminant analysis)**．
 
 
 !!! note "weiya 注"