更新latex公式显示

Day81-90/81.人工智能和机器学习概述.md

@@ -50,18 +50,19 @@ d = max(\mid x_{1k}-x_{2k} \mid)
 $$
 
 4. 闵可夫斯基距离
-    - 当$p=1$时，就是曼哈顿距离
-    - 当$p=2$时，就是欧式距离
-    - 当$p \to \infty$时，就是切比雪夫距离
+    - 当 $p=1$ 时，就是曼哈顿距离
+    - 当 $p=2$ 时，就是欧式距离
+    - 当 $p \to \infty$ 时，就是切比雪夫距离
 
 $$
 d = \sqrt[p]{\sum_{k=1}^n \mid x_{1k}-x_{2k} \mid ^p}
 $$
 
 5. 余弦距离
-    $$
-    cos(\theta) = \frac{\sum_{k=1}^n x_{1k}x_{2k}}{\sqrt{\sum_{k=1}^n x_{1k}^2} \sqrt{\sum_{k=1}^n x_{2k}^2}}
-    $$
+
+$$
+cos(\theta) = \frac{\sum_{k=1}^n x_{1k}x_{2k}}{\sqrt{\sum_{k=1}^n x_{1k}^2} \sqrt{\sum_{k=1}^n x_{2k}^2}}
+$$
 
 ### 机器学习的定义和应用领域
 
@@ -127,4 +128,4 @@ Scikit-learn源于Google Summer of Code项目，由David Cournapeau在2007年发
 
 官网地址：<https://scikit-learn.org/stable/index.html>
 
-安装方法：`pip install scikit-learn`
+安装方法：`pip install scikit-learn`