Finally fix #400

docs/0.21.3/2.md

@@ -46,9 +46,11 @@ array([ 0.5,  0.5])
 >*   [线性回归示例](https://scikit-learn.org/stable/auto_examples/linear_model/plot_ols.html)
 
 ### 1.1.1.1. 普通最小二乘法的复杂度
+{% end raw %}
 
 该方法使用 X 的奇异值分解来计算最小二乘解。如果 X 是一个形状为 `(n_samples, n_features)`的矩阵，设 $$ n_{samples} \geq n_{features} $$ , 则该方法的复杂度为 $$ O(n_{samples} n_{fearures}^2) $$
 
+{% raw %}
 ## 1.1.2. 岭回归
 
 [`Ridge`](https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Ridge.html#sklearn.linear_model.Ridge) 回归通过对系数的大小施加惩罚来解决 [普通最小二乘法](#1111-普通最小二乘法复杂度) 的一些问题。 岭系数最小化的是带罚项的残差平方和，