邏輯回歸
監督學習(supervised learning)又稱回歸問題(regression problem)
只要你給出了一組樣例數據，算法就可以給出答案
閾值分類器輸出0.5：
如果h(x)>=0.5，預測“y = 1”如果h(x)<0.5，預測“y = 0”
h(x)可以為>1和<0的，但邏輯回歸需要0<=h(x)<=1
Sigmoid函數Logistic函數是同一個東西
邏輯回歸模型
h(x) = g(z)，其中g(z)為對數几率函數
h(x) 為y=1的概率，如h(x)=0.7則y有70%為1邏輯回歸(Logistic regression)
如果h(x)>=0.5，預測“y = 1”
如果h(x)<0.5，預測“y = 0”
如果h(x)<0.5，預測“y = 0”
決策邊界(Decision boundary)
如果h(x)>=0，預測“y = 1”
如果h(x)<0，預測“y = 0”
如果h(x)<0，預測“y = 0”
我們需要找出未知系數θ，通過訓練樣本我們可以找出
邏輯回歸代價函數(Logistic regression cost function)
代價函數是一種衡量我們在這組參數下預估的結果和實際結果差距的函數