机器学习初探：（五）逻辑回归之多分类

（五）逻辑回归 - 多分类

​ 图片出处

在 机器学习初探：（四）逻辑回归之二分类一文中，我们介绍了逻辑回归算法（Logistic regression）。逻辑回归属于 有监督学习中的一种 分类方法，其进行分类的主要思想是：根据现有数据 对决策边界线建立回归公式，以此进行分类。相比于线性回归，逻辑回归通过 Sigmoid 函数将线性回归模型的预测值（ ${\Theta }^{T}X$）映射至 0 和 1 之间， 其输出表示样本属于某一类别的概率。

回顾： 逻辑回归模型的基本形式：$h_{\Theta }(x)=\frac{1}{1+e^{-{\Theta }^{T}X}}$

在上一篇文章中，我们主要讨论的是如何使用逻辑回归训练一个二分类任务，即其输出标记仅有两种，比如是否被录取、邮件是否为垃圾邮件等。然而，现实世界的很多分类任务中具有两个以上分类类别，比如天气状况的预测，即存在晴天（$y=1$）、多云（$y=$