diff --git a/docs/ml/1.机器学习基础.md b/docs/ml/1.机器学习基础.md
index ecc23ab5..e0267f81 100644
--- a/docs/ml/1.机器学习基础.md
+++ b/docs/ml/1.机器学习基础.md
@@ -73,7 +73,7 @@
     * 可以采用概率分布的形式【例如: 通过统计分布发现，90%的同学数学成绩，在70分以下，那么大于70分定为优秀】
     * 可以使用训练样本集中的一个实例【例如: 通过样本集合，我们训练出一个模型实例，得出 年轻，数学成绩中高等，谈吐优雅，我们认为是优秀】
 
-### 非监督学习（unsupervised learing）
+### 非监督学习（unsupervised learning）
 
 * 在机器学习，无监督学习的问题是，在未加标签的数据中，试图找到隐藏的结构。因为提供给学习者的实例是未标记的，因此没有错误或报酬信号来评估潜在的解决方案。
 * 无监督学习是密切相关的统计数据密度估计的问题。然而无监督学习还包括寻求，总结和解释数据的主要特点等诸多技术。在无监督学习使用的许多方法是基于用于处理数据的数据挖掘方法。