机器学习之逻辑回归
思路：首先将特征值进行线性模型创建，得到回归值，偏置，hw。接着利用sigmoid将hw转换到0.1之间，在计算损失函数，最后通过梯度下降降低损失函数
1.理解
将hw带入sigmoid函数中x部分，从而输出结果在[0,1]之间
阈值：若大于0.5则是这个类别，小于则不是
**由于二分类问题中，目标值是是或者不是，对比线性回归中的目标值是数据，用损失函数来进行数据预测。二分类问题中逻辑回归的损失函数则需要重新定义 **
当真实值为1时，损失值与预测值为反比，预测值越接近1，损失值越小
当真实值为0时，损失值与预测值为正比，预测值越接近1，损失值越大
假设阈值0.6，则逻辑回归结果为01001，有三个不符，所以算损失函数，然后优化损失
有了损失函数以后，则开始优化损失
梯度下降