机器学习--逻辑回归初识打卡

   逻辑回归用回归方法解决分类的问题，是建立在线性回归的基础之上的，线性模型输出结果是负无穷到正无穷的连续值，而逻辑回归输出的是「0，1」之间的概率值，这会用到一个很重要的函数sigmoid函数（或称为Logistic函数）：

逻辑回归从其原理上来说，逻辑回归其实是实现了一个决策边界：对于函数，当z≥0 时,y≥0.5,分类为1，当 z<0时,y<0.5,分类为0，其对应的y值我们可以视为类别1的概率预测值。

对于模型的训练而言：实质上来说就是利用数据求解出对应的模型的特定的ω。从而得到一个针对于当前数据的特征逻辑回归模型。

而对于多分类而言，将多个二分类的逻辑回归组合，即可实现多分类。