diff --git a/qd/README.md b/qd/README.md
index a799589..76c838a 100644
--- a/qd/README.md
+++ b/qd/README.md
@@ -51,11 +51,11 @@ rho,nu,recentness,frequency,distance
 ### ハイパーパラメータチューニング
 ターゲットデータごとに適したセル数,graph2vecで表現する次元数を探索する場合は、`tuning.py`を実行してください。
 ```bash
-$ python tunig.py <target_data>  [rho] [nu] [s]
+$ python tuning.py <target_data>  [rho] [nu] [s]
 ```
 結果は`./results/hyperparams-search/<target>/cells<cells>/dim<dim>`以下に`main.py`の結果と同じ形式で保存されます。`tuning.py`の実行には時間がかかるため、注意してください。
 
-チューニングした結果から最適なパラメータを見つけ、可視化できるようにするには、`search_best.py`を実行してください。
+チューニングした結果から最適なパラメータを見つけ、可視化できるようにするには、`copy_best.py`を実行してください。
 ```bash
 $ python copy_best.py <target_data>  [rho] [nu] [s]
 ```
diff --git a/visualize/README.md b/visualize/README.md
index 49be1a3..23bafcc 100644
--- a/visualize/README.md
+++ b/visualize/README.md
@@ -44,7 +44,7 @@ GA,QD,ランダムサーチで見つけた最良の`(rho,nu,recentness,frequency
 $ pwd # => /path/to/visualize
 $ python preprocessing.py <target_type>
 ```
-この結果は`./results/fitted`に保存され、棒グラフ・レーダーチャート,最良個体の距離の表の生成に用いられます。
+この結果は`./results/fitted`に保存され、棒グラフ・レーダーチャート、最良個体の距離の表の生成に用いられます。
 
 
 GA,QDの最終的な全個体のに対して、壺モデルを回してネットワークを生成します。そのネットワークをgraph2vecしたベクトルを保存しておきます。