Logistic Regression

解決分類問題，需要輸出離散型變量，而線性迴歸模型是連續型變量，因此，將線性迴歸模型的結果離散化，便可以得到解決分類問題的邏輯迴歸模型： 其函數圖像如圖所示 橫座標爲線性迴歸模型的因變量，縱座標表示實例被劃分爲正向類的概率。 與線性迴歸模型類似，求出模型中的θ矩陣需要建立代價函數，並在代價函數取得最小值時模型較爲合適，邏輯迴歸的代價函數爲 其矩陣表示式爲： 對邏輯迴歸模型的代價函數的求最值，由於其因

>>阅读原文<<