格式校验，翻译校正

docs/dl-keras/how-to-make-classification-and-regression-predictions-for-deep-learning-models-in-keras.md

@@ -34,7 +34,7 @@
 
 在进行预测之前，必须训练最终模型。
 
-您可能使用 k 折交叉验证或训练/测试分割数据来训练许多模型，这样做是为了让能够利用模型能估计样本外外的数据，例如一些新数据。
+您可能使用 k 折交叉验证或训练/测试分割数据来训练许多模型，这样做是为了让能够利用模型能估计样本外的数据，例如一些新数据。
 
 如果这些模型已达到目的，则可以丢弃。
 
@@ -133,7 +133,7 @@ X=[0.29097707 0.12978982], Predicted=[1]
 X=[0.78082614 0.75391697], Predicted=[0]
 ```
 
-如果您只有一个新的数据实例，则可以将其作为包含在数组中的实例提供给 `predict_classes()` 函数;例如：
+如果您只有一个新的数据实例，则可以将其作为包含在数组中的实例提供给 `predict_classes()` 函数,例如：
 
 ```py
 # 对分类问题做出类别预测的示例
@@ -231,7 +231,7 @@ X=[0.29097707 0.12978982], Predicted=[0.82020265]
 X=[0.78082614 0.75391697], Predicted=[0.00693122]
 ```
 
-如果您想向用户提供专业的概率解释，这在您的应用程序中会有所帮助。
+如果您想向用户提供专业的概率解释，这的应用程序中会对您有所帮助。
 
 ## 3.回归预测