六、逻辑回归(Logistic Regression)

6.1 分类问题

逻辑回归算法，目前最流行使用最广泛的一种学习算法
分类：邮件是否垃圾，金融交易是否敲诈，肿瘤分类
二元分类：因变量(dependent variable)，负向类（negative class）和正向类（positive class），用0 表示负向类，1 表示正向类
如果用线性回归算法：函数的输出值可能远大于 1，或者远小于0，会感觉很奇怪。
逻辑回归算法，这个算法的性质是：它的输出值永远在0到 1 之间
逻辑回归算法是分类算法，适用于标签值离散得场景

6.2 假说表示

逻辑函数可以使用s型函数（Sigmoid function），逻辑函数计算的结果为正向类的概率，比如正向概率为0.7，则负向概率为0.3.
个人理解1：在处理分类问题时，逻辑回归为了避免预测结果与（0，1）差距过大，使用1个值域为（0，1）的逻辑函数对（线性回归或者非线性回归函数）进行处理

对于给定的输入变量，根据选择的参数计算输出变量=1的可能性&#