Le premier algorithms－逻辑回归手写公式推导及薄见

第一次写博客，有哪些不足请多加指点，感激不尽。博客会是今后我学习机器学习的一个纪录中心，目标是将为了脚踏实地，因为之前的半年，自己一直在断断续续地学习机器学习，但是从未真正掌握任一原理，实在是惭愧。

逻辑回归是最常见的分类算法，其中二分类算法广泛应用于各个领域，之前与这一领域的面试官请教过，他说像对用户的唤醒这块用的就是逻辑回归算法，还有其他现实中的应用场景希望前辈能够留言告诉我。

根据自己上的吴恩达大神的公开课之后，再看了其他的相关讲解之后，一点点吃透。一开始接触机器学习，听得懂推导过程，so easy，but让我讲为什么用sigmoid函数，怎么判断lr模型的效果，尴尬，似懂非懂，就是不会。于是经历了反复推导公司、加深公式的理解之后，原来是这样啊。sigmoid函数的图象画出来，一目了然，输入的变量带入到sigmoid函数便能够将目标值的取值范围变为（0，1）之间，所以这时候设个阈值就能将最终的目标值分为0 or 1。而最大似然估计是为了使预测分类结果的正确率达到最大值，梯度下降是最大似然估计的参数求解的一个方法。因为求解模型就是求解最优参数，一切一目了然。以下是我自己手写的推导过程，大部分都是课程讲义的内容啦。不过我想问下，最后的常数b是不是被搞丢了？有没有影响呢？