第二章完毕

docs/2.一个完整的机器学习项目.md

@@ -1112,7 +1112,7 @@ full_pipeline = FeatureUnion(transformer_list=[
 >
 > 如果你在上面代码中的`cat_pipeline`流水线使用`LabelBinarizer`转换器会导致执行错误，解决方案是用上文提到的`CategoricalEncoder`转换器来代替：
 >
-> ```
+> ```python
 > cat_pipeline = Pipeline([
 >         ('selector', DataFrameSelector(cat_attribs)),
 >         ('cat_encoder', CategoricalEncoder(encoding="onehot-dense")),
@@ -1258,7 +1258,7 @@ Standard deviation: 2493.98819069
 
 判断没错：决策树模型过拟合很严重，它的性能比线性回归模型还差。
 
-现在再尝试最后一个模型：`RandomForestRegressor`。第7章我们会看到，随机森林是通过用特征的随机子集训练许多决策树。在其它多个模型之上建立模型成为集成学习（Ensemble Learning），它是推进 ML 算法的一种好方法。我们会跳过大部分的代码，因为代码本质上和其它模型一样：
+现在再尝试最后一个模型：`RandomForestRegressor`。第7章我们会看到，随机森林是通过用特征的随机子集训练许多决策树。在其它多个模型之上建立模型称为集成学习（Ensemble Learning），它是推进 ML 算法的一种好方法。我们会跳过大部分的代码，因为代码本质上和其它模型一样：
 
 ```python
 >>> from sklearn.ensemble import RandomForestRegressor
@@ -1324,7 +1324,7 @@ grid_search.fit(housing_prepared, housing_labels)
 {'max_features': 6, 'n_estimators': 30}
 ```
 
-> 提示：因为 30 是`n_estimators`的最大值，你也应该估计更高的值，因为这个值会持续提升。
+> 提示：因为 30 是`n_estimators`的最大值，你也应该估计更高的值，因为评估的分数可能会随`n_estimators`的增大而持续提升。
 
 你还能直接得到最佳的估计器：
 
@@ -1422,7 +1422,7 @@ array([  7.14156423e-02,   6.76139189e-02,   4.44260894e-02,
  (8.4130896890070617e-05, 'ISLAND')]
 ```
 
-有了这个信息，你就可以丢弃一些不那么重要的特征（比如，显然只要一个分类`ocean_proximity`就够了，所以可以丢弃掉其它的）。
+有了这个信息，你就可以丢弃一些不那么重要的特征（比如，显然只要一个`ocean_proximity`的类型（INLAND）就够了，所以可以丢弃掉其它的）。
 
 你还应该看一下系统犯的误差，搞清为什么会有些误差，以及如何改正问题（添加更多的特征，或相反，去掉没有什么信息的特征，清洗异常值等等）。