逻辑回归(Logistic Regression)
线性回归用来预测，逻辑回归用来分类。
线性回归是拟合函数，逻辑回归是预测函数
逻辑回归就是分类、
分类问题用线性方程是不行的 线性方程拟合的是连续的值
逻辑回归是分类问题 比如肿瘤问题 只有 0 ，1 两种情况
逻辑回归的方程写成
X是特征向量 theta是参数向量 theta转置乘以特征向量 就是参数与特征相乘
g代表逻辑函数 一个常用的s型逻辑函数就是 ：
图为：
python代码为：
的意义呢 因为结果是 0 1 所以他的意义其实是为1的概率
决策边界decision boundary
比如说模型是这样的
g还是和上边一样 0 1 逻辑回归都用这个
我需要做的就是用一条线把他们分开 这条线可能是直线 也可能是更复杂的线
数