目录​​​​​​​

1.分类Classification

2.假设陈述、Logistic Regression公式

PS：因为P5介绍的是Octave语法实现，博主主要用Python进行代码编译和算法实现，因此跳过了P5视频，直接进入第6章第学习。

1.分类Classification

分类问题举例：

常见的分类问题例如：

1.邮件分类：是否是垃圾邮件

2.在线购物欺诈检测

3.肿瘤分类：良性/恶性

        我们目前先考虑二分类，之后会考虑多分类。二分类常用0/1进行表示，0表示消极分类，1表示积极分类。

        通常不将线性回归应用于分类问题： 

        我们将会在下一节中介绍Logistic Regression逻辑回归算法，虽然有Regression，但该算法被看作分类算法，不要被名称所误导。 ​​​​我们不希望得到的算法输出远大于1或者远小于0，而是希望结果输出介于0-1之间，下一节将会详细介绍如何做到。      

2.假设陈述、Logistic Regression公式

        线性回归Linear Regression时，我们使用公式：

        逻辑回归Logistic Regression时，我们使用公式：

         得到我们想要的结果，其中  的外函数:

 

        将  带入公式 , 可以得到我们的目标函数为：

         由  的函数图像得函数值被控制在0-1之间，横坐标为，当趋向于+∞时，趋向于1，  当趋向于-∞时，趋向于0。          

        在y=0或y=1的条件下的概率估计：