主要解决分类和概率问题
假设公式
逻辑回归.png
或者叫Sigmoid Function
函数曲线
损失函数
损失函数.png
损失函数（同上等价）.png
转矩阵运算.png
梯度下降
求导.png
梯度下降公式.png
矩阵运算.png
过拟合
拟合.png
- 防止过拟合：
均适用线性回归和逻辑回归：
1、减少feature数
1） example较少的情况下，减少feature个数
2） 使用模型选择算法
2、正则化
1）保留所有feature，减少Zeta
2) Regularization works well when we have a lot of slightly useful features
- 梯度下降
Zeta 0 不需要处理
线性cost.png
线性梯度下降.png
逻辑cost.png
逻辑求导.png
