逻辑斯特回归

首先假设得到正样本的概率为服从形如逻辑斯特分布函数，根据已知的训练结果及数据，构造联合概率密度函数，而根据极大似然估计，已经发生的事情为概率最大的事情，所以求对数似然函数的最大，即对数似然函数的负数最小，用梯度下降和拟牛顿法求解，从而得到概率函数的系数，规定概率大于0.5即为正样本，反之为负样本。

事件的几率为线性函数

1.为什么假设训练数据的概率为逻辑斯特回归函数？

2.训练数据样本是否均衡，样本权重都会对分类边界有影响

3.建模流程

4.正则化

5.和maxen模型的区别

6.工程上并行怎么做

7.开源的实现

8.发展史

9.梯度下降，随机梯度下降