diff --git a/Machine Learning/Liner Regression/1.Liner Regression.md b/Machine Learning/Liner Regression/1.Liner Regression.md
index 90ab3a7..d61cfa9 100644
--- a/Machine Learning/Liner Regression/1.Liner Regression.md	
+++ b/Machine Learning/Liner Regression/1.Liner Regression.md	
@@ -37,13 +37,13 @@ w叫做x的系数，b叫做偏置项。
 
 利用**梯度下降法**找到最小值点，也就是最小误差，最后把 w 和 b 给求出来。
 
-## 5. 过拟合、欠拟合如何解决
+## 5. 过拟合如何解决 -- 正则化（方法之一）
 
 使用正则化项，也就是给loss function加上一个参数项，正则化项有**L1正则化、L2正则化、ElasticNet**。加入这个正则化项好处：
 
 - 控制参数幅度，不让模型“无法无天”。
 - 限制参数搜索空间
-- 解决欠拟合与过拟合的问题。
+- 解决过拟合的问题。
 
 ### 5.1 什么是L2正则化(岭回归)