逻辑回归
解决分类问题
- 回归问题怎么解决分类问题?
将样本的特征和样本发生的概率联系起来,概率是一个数



Sigmoid 函数
import numpy as np
import matplotlib.pyplot as plt
def sigmoid(t):
return 1 / (1 + np.exp(-t))
x = np.linspace(-10,10,500)
y = sigmoid(x)
plt.plot(x,y)
plt.show()



问题:
对于给定的样本数据集X,y,我们如何找到参数theta,使得用这样的方式,可以最大程度获取样本数据集X对应的分类输出y?