Bobo老师机器学习笔记第九课-逻辑回归理论

1、什么是逻辑回归？（Logistic Regresssion）

逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。逻辑回归既可以看做是一个回归算法，也可以看作是一个分类问题，通常是用过分类，并且是二分类。 分类主要是基于得到结果，获得结果是一个概率，然后根据概率来进行分类。  比如判断一个肿瘤是良性还是恶性，如果计算良性的概率是0.4， 那么我们认为是恶性的，如果是大于0.5， 我们认为是良性的。 

2、逻辑回归和线性回归的区别？

逻辑回归（Logistic Regression）与线性回归（Linear Regression）都是一种广义线性模型（generalized linear model）。

逻辑回归假设因变量 y 服从伯努利分布，而线性回归假设因变量 y 服从高斯分布。 因此与线性回归有很多相同之处，去除Sigmoid映射函数的话，逻辑回归算法就是一个线性回归。可以说，逻辑回归是以线性回归为理论支持的，但是逻辑回归通过Sigmoid函数引入了非线性因素，因此可以轻松处理0/1分类问题。

3、什么预测函数? 如何构建预测函数？

所谓的预测函数就是将获取的模型参数应用到新的测试数据上，从而获取预期的结果。 在线性