吴恩达机器学习笔记--逻辑回归

逻辑回归（logistic regression）

分类（Classification)

分类问题举例：

邮件：垃圾邮件/非垃圾邮件？

在线交易：是否欺诈（是/否）？

肿瘤：恶性/良性？

以上问题可以称之为二分类问题，我们将因变量(dependant variable)可能属于的两个类分别称为负向类（negative class）和正向类（positive class），则因变量yϵ{0,1}，其中0表示负向类，1表示正向类。

对于多分类问题，可以如下定义因变量y：y∈{0,1,2,3,...,n}

如果分类器用的是回归模型，并且已经训练好了一个模型，可以设置一个阈值：

如果hθ(x)≥0.5，则预测y=1,既y属于正例；

如果hθ(x)<0.5，则预测y=0,既y属于负例；

但是对于二分类问题来说，线性回归模型的Hypothesis输出值hθ(x)可以大于1也可以小于0。这个时候我们引出逻辑回归，逻辑回归的Hypothesis输出介于0与1之间，即:

0≤hθ(x)≤1

上图显示把线性回归用到分类问题中不是一个好主意

假说表示（Hypothesis Representation）

上一节谈到，我们需要将Hypothesis的输出界定在0和1之间，既：0≤hθ(x)≤1

但是线性回归无法做到，这里我们引入一个函数g,