Logistic回归

Logistic回归：

1.1 Logistic回归简介

      Logistic回归用于分类，样本是两类的情况，也就是一类用0表示，一类用1表示，常说的0-1分类情况。样本用表示，是样本集合，表示第个样本，是一个维的向量，可以是行向量，也可以是列向量，一般情况下向量都代表列向量(大部分的人都喜欢这么用)，所以本文所说的向量都是代表列向量。表示每一个样本的维度都是。

        在0-1分类问题中，如果不从概率的角度考虑问题，那就是要么某个样本属于第一类，要么就不属于第一类，这是一个确定性的问题。但是从概率的角度看待这个问题，应该认为某个样本可能属于第一类，并且属于第一类的概率用表示，那么不属于第一类的概率就是，如果，那就表示这个样本属于第一类，反之不属于第一类。

        经过科学家不懈的努力，终于找到了一个适合这样的函数，可以将任何数据映射到0,1之间。而概率也恰恰是0,1之间的数，那也就表明要被分类的样本可以映射到0,1之间，这个映射得到的结果值就是属于第一类的概率。采用的sigmoid函数，它的表达式如下：

                                                                                     (1)

        它的图像如下：

        它是一个属于0,1之间的一个函数值，当