吴恩达机器学习（四）逻辑回归（二分类与多分类）

目录

0. 前言

1. 假设函数（Hypothesis）

2. 决策边界（Decision Boundary）

3. 代价函数（Cost Funciton）

4. 梯度下降（Gradient Descent）

5. 逻辑回归实现多分类

6. 其他求解参数的方法

---

学习完吴恩达老师机器学习课程的逻辑回归，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。

如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~

0. 前言

逻辑回归（Logistic Regression），是一种用于二分类（binary classification）的算法。我们可假设：

•  --- 代表二分类中的正类
•  --- 代表二分类中的反类

1. 假设函数（Hypothesis）

首先给出一个函数，Sigmoid 函数，，它的函数图像如下所示：

我们知道，在线性回归算法中，假设函数被定义为 ，此时假设函数的取值范围可以为 。在二分类中，输出  的取值只能为  或者 ，在  之外包裹一层 Sigmoid 函数，使之取值范围属于 ，所以给出如下定义：