adjust sentence

Former-commit-id: b24608b981f0cc8fb943a0f1abc765eb21e6fe59

Chapter13/linear_factor_models.tex

@@ -85,7 +85,7 @@ \section{\glsentrytext{PPCA}和\glsentrytext{FA}}
 
 % 481 head
 为了将\glssymbol{PCA}引入到概率框架中，我们可以对\gls{FA}模型进行轻微修改，使条件方差$\sigma_i^2$等于同一个值。
-在这种情况下，$\Vx$的协方差是$\MW\MW^{\top}+\sigma^2\MI$,这里的$\sigma^2$是一个标量。
+在这种情况下，$\Vx$的协方差是$\MW\MW^{\top}+\sigma^2\MI$，这里的$\sigma^2$是一个标量。
 由此可以得到条件分布，如下：
 \begin{align}
 \label{eqn:135}
@@ -468,7 +468,7 @@ \section{\glssymbol{PCA}的\glsentrytext{manifold}解释}
 % 490 end
 
 我们还可以发现$\MC$的特征值$\lambda_i$对应了$\Vx$在特征向量$\Vv^{(i)}$方向上的方差。
-如果$\Vx\in \SetR^D$, $\Vh\in\SetR^d$并且满足$d<D$，则（给定上述的${\Vmu},\Vb,\MV,\MW$的情况下）最佳的重构误差是
+如果$\Vx\in \SetR^D$，$\Vh\in\SetR^d$并且满足$d<D$，则（给定上述的${\Vmu},\Vb,\MV,\MW$的情况下）最佳的重构误差是
 \begin{align}
 \label{eqn:1323}
 \min \SetE[\Vert \Vx - \hat{\Vx} \Vert^2]

Chapter16/structured_probabilistic_modelling.tex

@@ -149,7 +149,7 @@ \section{非结构化建模的挑战}
 
 
 比如说，我们想要对接力跑步比赛中一个队伍完成比赛的时间进行建模。
-假设这个队伍有三名成员：Alice, Bob和Carol。
+假设这个队伍有三名成员：Alice， Bob和Carol。
 在比赛开始的时候，Alice拿着接力棒，开始跑第一段距离。
 在跑完她的路程以后，她把棒递给了Bob。
 然后Bob开始跑，再把棒给Carol，Carol跑最后一棒。
@@ -288,9 +288,9 @@ \subsection{\glsentrytext{directed_model}}
 这个假设使得我们所需要的参数量从$O(k^2)$降到了$O(k)$。
 然而，值得注意的是在这个假设下$\RSt_0$和$\RSt_1$仍然是直接相关的，因为$\RSt_1$表示的是Bob完成的时间，并不是他跑的时间。
 这也意味着\gls{graphical_models}中会有一个从$\RSt_0$指向$\RSt_1$的箭头。
-``Bob的个人跑步时间相对于其它因素是独立的''这个假设无法在$\RSt_0,\RSt_1,\RSt_2$的\gls{graphical_models}中被表示出来。
+``Bob的个人跑步时间相对于其它因素是独立的''这个假设无法在$\RSt_0，\RSt_1，\RSt_2$的\gls{graphical_models}中被表示出来。
 我们只能将这个关系表示在条件分布中。
-这个条件分布不再是一个大小为$k\times k-1$的分别对应着$\RSt_0,  \RSt_1$的表格，而是一个包含了$k-1$个参数的略复杂的公式。
+这个条件分布不再是一个大小为$k\times k-1$的分别对应着$\RSt_0，  \RSt_1$的表格，而是一个包含了$k-1$个参数的略复杂的公式。
 \gls{directed_graphical_model}并不能对我们如何定义条件分布做出任何限制。
 它只能定义哪些变量之间存在着\gls{dependency}关系。
 % 556  16.2 to 
@@ -643,7 +643,7 @@ \subsection{\glsentrytext{separation}和d-\glsentrytext{separation}}
 进一步的，使用完全图（具有所有可能的边的图）来表示任何分布总是合法的。
 事实上，一些分布包含不可能用现有图形符号表示的独立性。
 特定环境下的独立（context-specific independences）指的是取决于网络中一些变量的值的独立性。
-例如，考虑一个三个二进制变量的模型：$\RSa, \RSb $和$\RSc$。
+例如，考虑一个三个二进制变量的模型：$\RSa，\RSb $和$\RSc$。
 假设当$\RSa$是0时，$\RSb$和$\RSc$是独立的， 但是当$\RSa$是1时，$\RSb$确定地等于$\RSc$。
 当$\RSa = 1$时\gls{graphical_models}需要连接$\RSb$和$\RSc$的边。
 当$\RSa = 0$时$\RSb$和$\RSc$不是独立的。