深度学习（2）：logistic回归 梯度下降法

二分类问题

我们经常会遇到各种各样的二分类问题，例如判断一张照片是猫或不是猫，判断一个西瓜是好瓜还是坏瓜。解决这类问题的一个很好的方法就是logistic回归。

 

线性回归

利用简单的线性回归可以进行二分类，这里我们简要介绍以下线性回归的思想，不做具体实现的阐述。

假定拥有的数据集为 m组（x，y）
   x 为一组n维列向量，代表我们已知的n个属性
   y 为标记，取值为0或1，代表其所属的种类
这样一来，我们相当于得到了n维空间中的m个点，这些点分别具有0或1的属性。

构造n维列向量w以及常数b
得到y^~=w^Tx+b     通过训练得到合适的w和b。
利用y^~我们这样进行分类：对于给定的x，当y^~>0时，我们认为该对象属于第“1”类，当y^~<0时我们认为该对象属于第“0”类，y^~=0时随意分。

形象化的理解用线性回归进行分类：相当于在n维空间中找到了w^Tx+b=0这样一个平面，将所给的点分成了两部分，平面上方的点为1，平面下方的点为0。

这个方法的问题在于：

1. 线性回归往