吴恩达机器学习笔记（4）——逻辑回归（logistic regression）

**

一、分类问题（classification）

**首先来看一个例子，用肿瘤的大小来预测肿瘤是良性或者恶性。这个问题的输出只有两个值——良性（1）和恶性（0），通常称之为分类问题。

如果在此处我们使用线性回归来处理这个问题。那么如果加入最右的那个点，那么直线拟合就从红色斜线变成了蓝色斜线，也就出现了预测的误差。因此线性回归不适合于分类问题。
另外，使用线性回归处理分类问题中常见的问题还有：分类问题的输出值y=0 or 1.但是线性回归的假设的输出值会小于0或者大于1.

因此，我们会使用logistic回归（逻辑回归）算法处理分类问题。该方法被视为一种分类算法，并不是回归算法哦。

二、假设陈述（hypothseis representation）

1、目的：当遇到分类问题时，我们使用哪个方程来表示我们的假设。
2、假设函数（Sigmoid Function/Logistic Function）：

3、函数图形：

4、函数解释：该函数输出值的意义是“y=1的概率”，即：