diff --git a/机器学习.md b/机器学习.md
index bc5ba9f..1bd86c4 100644
--- a/机器学习.md
+++ b/机器学习.md
@@ -69,8 +69,8 @@
 - 任意离散随机变量采样：利用均匀分布采样和Cumulative Distribution Function简称CDF
 - 用 rand()% M 产生 rand()% N：rand()% M * rand()% M 产生 M*M; 然后用拒绝采样就近采样 N 的倍数
 - 正态随机变量采样： Box-Muller法
-   - 从 $U(0,1)$ 中抽取两个独立随机数 $u_1$ 和 $u_2$。
-   - 使用以下公式生成两个独立的标准正态随机变量 $Z_1$和 $Z_2$：
+   - 从 $U(0,1)$ 中抽取两个独立随机数 $u_1$ 和 $ u_2 $ 。
+   - 使用以下公式生成两个独立的标准正态随机变量 $ Z_1 $ 和 $ Z_2 $ ：
     $$Z_1 = \sqrt{-2 \ln(u_1)} \cos(2\pi u_2) \\
      Z_2 = \sqrt{-2 \ln(u_1)} \sin(2\pi u_2) $$
 - 重要性抽样：思想是从一个容易采样的提案分布中抽取样本，然后通过权重调整来估计目标分布下函数f的期望值。q 的选取要接近 p，否则就需要大量的采样才能收敛