100 Days Of ML Code 学习笔记-Day4/5

今天看了Day 4&5，Avik Jain没有给代码，只有一些概念，讲的是逻辑回归。根据作者对Logistic 回归的理解，给出了以下思考：

1. Logistic回归是什么？
   该回归通常用于不同类别的分类问题，目的就是预测当前被观测对象所属的群体。通常给出的是离散二进制数据，介于0和1之间。Logistic 回归最常见的例子是在选举期间民众是否投了票。
2. Logistic回归如何运作？
   Logistic 回归模型通过潜在的 logistic 函数得到估计概率值，来衡量独立变量 (我们要预测的标签值) 与一个或多个非独立变量 (我们的特征值) 之间的关系。
3. Sigmoid函数？
   Logistic 函数也被称为 sigmoid 函数，Sigmoid函数是一个s形曲线，它可以取任意一个实数值，并将其映射到0到1之间的值，如图：
   
4. Logistic 与 Linear之间的差别？
   线性回归模型给出的结果是连续型，Logistic 回归给出的结果是离散型的。