【学习笔记】西瓜书机器学习之第三章：梯度下降和牛顿拉弗森法下的逻辑回归（一）

前言：
本章将讨论尽可能简单的白话的逻辑回归（尽量降低数学要求）。我自己琢磨了好多天，也没有琢磨透彻，只能记录一下自己的理解和思路。（一）中不包含梯度下降和牛顿拉弗森，如果是来看这两部分的同学，请关注后续两篇。

1.什么是分类任务？

以西瓜书中的西瓜问题为例，我们走到水果店想要买一个西瓜。我们只能通过一些外部特征来挑选西瓜，比如颜色，根蒂，拍击声。假设我们已经买了一万个西瓜，记录他们的颜色，根蒂，拍击声，再切开它们记录瓜瓤的颜色和味道。将西瓜分为两类：甜的瓜为好瓜（记为1），不甜的坏瓜（记为0）。并将这些数据丢进学习器进行学习，当我们下一次去水果店买西瓜的时候的时候，通过外部特征我们就可能能够预测出那个西瓜是好的（1）那个西瓜是不好（0）的，这就是分类任务。

2. 什么是逻辑回归？

逻辑回归算法的英文是Logistic Regression，这是一个基于回归的办法来做分类的算法，本文的逻辑回归讨论的是二分类问题（0或者1）。回归家族是算法中的一员大将，其中有很多我们耳熟能详的回归，比如简单线性回归（SLR），多元线性回归，多项式回归等等。打个比方，我们知道一群人的数据，包括他们的体重（y），运动量（x1），每日摄入卡路里（x2），我们能构建一个回归模型来通过预测新样本的体重。这里的多元