why why why !!!

WenDesi · WenDesi · commit d40d83bdbdb7 · 2016-11-08T18:05:37.000+08:00
diff --git a/README.md b/README.md
@@ -23,23 +23,23 @@
 
 ### 第二章 感知器模型
 博客：[李航《统计学习方法》第二章——用Python实现感知器模型（MNIST数据集）](http://blog.csdn.net/wds2006sdo/article/details/51923546)
-代码：[perceptron/binary_perceptron.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/perceptron/binary_perceptron.py)
+<br>代码：[perceptron/binary_perceptron.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/perceptron/binary_perceptron.py)
 
 ### 第三章 K近邻法
 博客：[李航《统计学习方法》第三章——用Python实现KNN算法（MNIST数据集）](http://blog.csdn.net/wds2006sdo/article/details/51933044)
-代码：[knn/knn.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/knn/knn.py)
+<br>代码：[knn/knn.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/knn/knn.py)
 
 ### 第四章 朴素贝叶斯
 博客：[李航《统计学习方法》第四章——用Python实现朴素贝叶斯分类器（MNIST数据集）](http://blog.csdn.net/wds2006sdo/article/details/51967839)
-代码：[naive_bayes/naive_bayes.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/naive_bayes/naive_bayes.py)
+<br>代码：[naive_bayes/naive_bayes.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/naive_bayes/naive_bayes.py)
 
 ### 第五章 决策树
 博客：[李航《统计学习方法》第五章——用Python实现决策树（MNIST数据集）](http://blog.csdn.net/wds2006sdo/article/details/52849400)
-代码：[decision_tree/decision_tree.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/decision_tree/decision_tree.py)
+<br>代码：[decision_tree/decision_tree.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/decision_tree/decision_tree.py)
 
 ### 第六章 逻辑斯提回归
 博客：[李航《统计学习方法》第六章——用Python实现逻辑斯谛回归（MNIST数据集）](http://blog.csdn.net/wds2006sdo/article/details/53084871)
-代码：[logistic_regression/logistic_regression.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/logistic_regression/logistic_regression.py)
+<br>代码：[logistic_regression/logistic_regression.py](https://github.com/WenDesi/lihang_book_algorithm/blob/master/logistic_regression/logistic_regression.py)
 
 ### 第六章 最大熵模型
 正在施工中。。。
