diff --git a/docs/13.利用PCA来简化数据.md b/docs/13.利用PCA来简化数据.md
index c8266b85..f5900092 100644
--- a/docs/13.利用PCA来简化数据.md
+++ b/docs/13.利用PCA来简化数据.md
@@ -65,6 +65,7 @@
 > PCA 工作原理
 
 通过PCA进行降维处理，我们就可以同时获得SVM和决策树的优点：(得到了和决策树一样简单的分类器，同时分类间隔和SVM一样好)
+
 1. 第一个主成分就是来自于数据差异性最大(即: `方差最大`)的方向提取出来
 2. 第二个主成分就是来自于数据差异性次大的方向，并且该方向于第一个主成分方向`正交(orthogonal 如果是二维空间就叫垂直)`。
 3. 通过数据集的协方差矩阵及其特征值分析，我们就可以得到这些主成分的值。
@@ -86,7 +87,7 @@
 ### 项目案例: 对半导体数据进行降维处理
 
 ```
-半导体是在一些极为先进的工厂中制造出来的。设备的生命早期有限，并且话费极其巨大。
+半导体是在一些极为先进的工厂中制造出来的。设备的生命早期有限，并且花费极其巨大。
 虽然通过早起测试和频繁的测试来发现有瑕疵的产品，但仍有一些存在瑕疵的产品通过测试。
 如果我们通过机器学习技术用于发现瑕疵产品，那么它就会为制造商节省大量的资金。