逻辑回归的记录

参考：
https://www.cnblogs.com/zhizhan/p/4868555.html

https://blog.csdn.net/SongGu1996/article/details/99441652?ops_request_misc=&request_id=&biz_id=102&utm_term=%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92%20matlab&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-6-.nonecase&spm=1018.2226.3001.4187

1、逻辑回归。先定位二项分类，就是是或者不是，0或者1。这样好理解一下，以后再延伸。看例子：

从别人那里copy过来的（我太懒了）
分析：上面的例子很好理解，根据前面的4个属性，来判断是或者不是。
这个就是分类器，可以用bp，或者决策树等分类器。
现在用logit回归分类器。

2、这个分类器的模型是可以得到吗？可以，用一个函数来表示。就像线性回归一样，可以用一个函数来表示这个模型，看图：

因为输入的是4个，是一个向量，那么参数也可以是向量。因此，就用这样的一个函数来表示这个分类器，用来预测或者判断y的值，比如输入（3,5,4,2），来判断y0 or y1。

3、问题来了，参数beta们怎么得到？用以上的数据（100条）来训练得到（机器学习用语）。思路就是把分类的数据带进去，根据输出的数据之间的总差值最小是最好的。如果是线性拟合的话，叫最小二乘法来着。这个用sigmoid函数拟合的话，从统计的角度来说，叫“最大似然法”，就是参数估计，我觉的同一个意思，用的是机器学习的方法，看例子的截图：

4、