【logistic/sigmoid模型】分类

首先diss了线性回归不适合做分类，引出了logistic/sigmoid模型，该模型的输出变量范围始终在0和1之间

决策边界
划分两个类别的临界函数，就是logistic函数里面的自变量z，0为临界值，大于0就有大于0.5的概率认为是
1，反之亦然。
决策边界参数如何得来，利用梯度下降法调整参数，确定边界。

代价函数
因为sigmoid函数较为复杂，如果用原始梯度下降法的代价函数代入会得到一个非凸函数，不太好找最小值。yi变成了y 也就是1和0两个值。
修正：利用其0~1的性质，想到对数函数的单调性。
因为存在两个分类，因此有两个代价函数。