机器学习day10 机器学习实战logistic回归的原理理解

刚刚取饭的时候在路上突然懂了logistic的原理，很神奇。

有个error值 如果改变了就朝着改变的方向修改w这个拟合参数 不改变的话就不改变w 
因为error = lavels[i] - sigmoid(w * x)
如果原来lavels[i]为1 sigmoid为0 则error为1 wei朝着lavels的方向变化 
error为0则不改变 这样只是朝着向最佳拟合参数w的方向改变 
改变一定的次数cycles之后就可以得到满意的最佳拟合参数wei
然后 对于测试向量test就可以 乘wei代入simgoid函数得到分类0或1 这是个二项分类器


使用方法：
将数据解析成向量矩阵 用随机梯度下降算法得到最佳拟合参数wei
然后把数据代入到sigmoid的到分类0或1

注意！x0这个参数设为1 ，x1之后才是特性 z = w0 * 1(x0 = 1)+ w1 * x1 + w2 * x2 ...........

然后求sigmoid(z)