diff --git a/机器学习/殷康龙/机器学习笔记/2.k-近邻算法.md b/机器学习/殷康龙/机器学习笔记/2.k-近邻算法.md
index 6203c8a9..fb9d0bab 100644
--- a/机器学习/殷康龙/机器学习笔记/2.k-近邻算法.md
+++ b/机器学习/殷康龙/机器学习笔记/2.k-近邻算法.md
@@ -3,11 +3,11 @@
 
 ## 1 KNN 概述
 
-* `k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。`**一句话总结: 近朱者赤近墨者黑！** 
+`k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。`**一句话总结: 近朱者赤近墨者黑！** 
 
-* k 近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k 近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其 k 个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，**k近邻算法不具有显式的学习过程**。
+`k 近邻算法的输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类。k 近邻算法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其 k 个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，**k近邻算法不具有显式的学习过程**。`
 
-* k 近邻算法实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。 **k值的选择、距离度量以及分类决策规则**是k近邻算法的三个基本要素。
+`k 近邻算法实际上利用训练数据集对特征向量空间进行划分，并作为其分类的“模型”。 **k值的选择、距离度量以及分类决策规则**是k近邻算法的三个基本要素。`
 
 ## 2 KNN 场景