机器学习－－初步了解手写数字识别之logistic回归

1.首先对于一个样例来说，我们先分析得出它的因变量（各因变量之间彼此不相关）。对该样例的各个因变量已知的数据集合我们称之为样本数据（若因变量有m个，则样本数据是m维的）；对我们想要得到或者预测出的数据称之为输出数据；一般通过一个函数来拟合已知的样本数据和输出数据，从而在输入新的训练数据的时候得到未知的输出数据，我们把这个函数叫做预测函数（or假设or模型）。

2.logistic回归是一个回归模型，主要用来解决二分类或多分类问题，，是在线性回归的基础上加入了一个函数映射。因为用线性来划分数据间边界的公式为 而它不足确切的描述和解决二值分类问题，所以采用logistic模型先将输入数据（特征）线性求和，再投影到0到1上，值为0.5到1代表是，0到0.5代表不是。

3.接下来要估计参数theta的值：

（1）最大似然法：在已知样本的情况下，用来估计满足这些样本分布的参数，把可能性最大的那个参数作为真实的参数。