清晰易懂的对数几率回归（逻辑回归）内在机理解释（西瓜书上没有进行讲解）

相信很多同学在学习对数几率回归（逻辑回归）时，都会有很多困惑，比如：

1.对数几率回归（逻辑回归）到底是用来干嘛的？
2.sigmoid函数是用来干嘛的？
3.z值为什么表示样本点属于其中一个类别的概率？

4.预测出的y值为什么是概率？

下面开始正文

首先，我们知道监督学习分为两类，一个是回归，一个是分类。

西瓜书中提到最简单的回归模型即为线性回归模型，线性回归模型可转化为广义线性模型，具体形式如下（其中g-1(.)称为联系函数）：

对数几率回归（逻辑回归）本质上是用回归去解决分类问题（二分类问题）

西瓜书上说：“若要做分类任务，只需找一个单调可微函数将分类任务的真实标记y与线性回归模型的预测值联系起来。”

从而首先引入了单位阶跃函数，形式如下：

然而该函数不连续。不能直接用作g-1(x)
希