机器学习-Logistic回归与线性回归的理解

今下午开始脑子一直懵，对于刚入机器几天的小渣渣来说，内容越来越难了，学的有些吃力，并且概率论类的东西由于某些原因没能好好学，导致现在看的很费劲。

折腾了一下午一半天，好好梳理了线性回归和Logistic回归，按自己的理解整理一下。

 

首先，回归就是使用一条直线，对已知点进行拟合（该线成为最佳拟合直线），得到这条直线，通常都是使用梯度上升或者梯度下降的方法求出参数（这里只是差距一个负号，本质一样）

 

 

线性回归：

线性回归模型是预测连续输出，如下边例子，求一条最佳拟合直线。

所求函数：

  

代价函数：

（函数的意思为每个点的纵坐标到拟合直线的距离差的平方的加和，再乘前边的1/(2*m)）