4分钟看懂逻辑回归是什么？要优化什么参数？和极大似然法有什么关系？机器学习小总结

文章末尾对机器学习的规律总结。机器学习这么多算法记住是很难的，如果懂别人怎么想到这个算法的那就容易多了。学习机器学习一定不要死记。记住别人怎么想到这个算法以及各个概念之间的联系，各个方法有什么用，这些最重要。本文就是从还原算法怎么想到的角度来讲而不是纯粹推导，解释了各个概念之间的联系。

逻辑回归到底是什么？要优化什么参数？为何要优化这些参数？

逻辑回归它输入是样本，输出是样本输入某个类的概率。逻辑回归只能分类出两种类，是一个二分类算法。也就是说$f(x)$输出是属于类A的概率。那么如果某个样本不属于A呢则它属于B的概率是$1-P(A)=1-f(x)$。因为逻辑回归输出的是A的概率$即f(x)=P(A)$。逻辑回归里面它认为模型是一条曲线。这条曲线的函数长下面这样，其中$w,b$是我们要设置的参数。选择一种 w , b w,b <