逻辑回归（Logistic Regression）

一、什么是逻辑回归

逻辑回归用于分类问题。在分类问题中，我们尝试预测目前观测目标属于哪一类，它会产生一个离散的二元结果y∈{0,1}。而线性回归模型产生的预测值为z=θ^Tx是实数值，于是我们引入一个新的模型，使输出变量z的值到始终在0和1之间，于是便找到了Sigmoid function。

Sigmoid function的图像是一条值在0-1之间的S形曲线，如图：

通常，我们把Sigmoid fuction计算得到的值大于等于0.5的归为类别1，小于0.5的归为类别0。从Sigmoid function图像可以看出，当z≥0时，g(z)≥0.5;当z<0时，g(z)<0.5。

合起来，我们得到逻辑回归模型的假设：