机器学习-logistic Regression（逻辑回归）

logistic Regression-逻辑回归

线性边界方程

（θ为特征值参数，x为自变量）
公式意义：计算某个事件发生的可能性，可以把跟这个事件相关的所有特征加权求和，可以看做是类别分界线（最佳拟合线），着重理解的方程。

逻辑函数（Sigmoid函数）

函数图像：

P(t)的值域为[0,1]；利用此可以计算事件发生的概率，以便归类

ps：发生概率小于0.5时，属于类别0，反之属于类别1
，也就是说在整个过程中我们就是要求出回归系数 的值，则可以求出P(s)进而进行分类操作。
注意：有些朋友可能会说，要是我特征取值的区间[假设值[ [0-100]和[100-200] ]，的怎么办，将函数向右平移100个单位就可以了，高中知识了。

具体求出回归系数