添加校验名以及调整部分语句。

docs/0.21.3/21.md

@@ -5,6 +5,7 @@
         [@RyanZhiNie](https://github.com/RyanZhiNie)
         [@羊三](https://github.com/apachecn/scikit-learn-doc-zh)
         [@Loopy](https://github.com/loopyme)
+        [@barrycg](https://github.com/barrycg)
 翻译者:
         [@XuJianzhi](https://github.com/XuJianzhi)
         [@羊三](https://github.com/apachecn/scikit-learn-doc-zh)
@@ -97,7 +98,7 @@ Isomap 的整体复杂度是 ![O[D \log(k) N \log(N)] + O[N^2(k + \log(N))] + O[
 
 ## 2.2.4. 改进型局部线性嵌入（MLLE）
 
-局部线性嵌入（LLE）的一个众所周知的问题是正则化问题。当 neighbors（邻域）的数量多于输入的维度数量时，定义每个局部邻域的矩阵是不满秩的。为解决这个问题，标准的局部线性嵌入算法使用一个任意正则化参数 ![r](img/451ef7ed1a14a6cdc38324c8a5c7c683.jpg) ，它的取值受局部权重矩阵的迹的影响。虽然正则化参数![r \to 0](img/ab81f225a7e452d651b4888d437d07d2.jpg) ，即解向所需的嵌入情况收敛，但是在最优解情况下,并不保证 ![r > 0](img/8cddd8c0c85ca4a1b6dce8bbf145a8aa.jpg) 。以上说明了,在嵌入过程中的正则化问题会扭曲流形的内部几何形状，使其失真。
+局部线性嵌入（LLE）的一个众所周知的问题是正则化问题。当 neighbors（邻域）的数量多于输入的维度数量时，定义每个局部邻域的矩阵是不满秩的。为解决这个问题，标准的局部线性嵌入算法使用一个任意正则化参数 ![r](img/451ef7ed1a14a6cdc38324c8a5c7c683.jpg) ，它的取值受局部权重矩阵的迹的影响。虽然我们普遍认为，当正则化参数![r \to 0](img/ab81f225a7e452d651b4888d437d07d2.jpg) ,解向目标嵌入情况收敛,但是当 ![r > 0](img/8cddd8c0c85ca4a1b6dce8bbf145a8aa.jpg)时,并不保证得到最优解。以上说明了,在嵌入过程中的正则化问题会扭曲流形的内部几何形状，使其失真。
 
 解决正则化问题的一种方法是对邻域使用多个权重向量。这就是改进型局部线性嵌入（MLLE）算法的精髓。MLLE 可被执行于函数 [`locally_linear_embedding`](https://scikit-learn.org/stable/modules/generated/sklearn.manifold.locally_linear_embedding.html#sklearn.manifold.locally_linear_embedding "sklearn.manifold.locally_linear_embedding") ，或者面向对象的副本 [`LocallyLinearEmbedding`](https://scikit-learn.org/stable/modules/generated/sklearn.manifold.LocallyLinearEmbedding.html#sklearn.manifold.LocallyLinearEmbedding "sklearn.manifold.LocallyLinearEmbedding") ，附带关键词 `method = 'modified'` 。它需要满足 `n_neighbors > n_components`。