目录：
1、从线性回归说起
2、sigmod函数
3、推广至多元场景
4、似然函数
5、最大似然估计
6、损失函数
7、梯度下降法求解
8、结尾
逻辑回归用于解决分类问题
实际上，”分类”是应用逻辑回归的 目的&结果 。但是中间过程依旧是”回归”。
1、线性回归（略）
2、sigmod函数
; 3、推广至多元场景
4、似然函数
; 5、最大似然估计
6、损失函数
; 7、梯度下降求解
首先了解f ‘ (x) = f(x)*(1-f(x))
手推版
; 面试补充：
1、LR公式以及损失函数的推导：
为什么用极大似然估计？不用均方损失？
极大似然估计—>损失函数，在反向传播的时候会更好，根据log图像，对分类问题解决的比较好。而均方误差的话，更适合线性回归。
使用最小二乘法的话，最小二乘法产生的目标函数不是凸函数，存在多个极值点。
使用极大似然估计，损失函数的二阶导数
Original: https://blog.csdn.net/qq_38147421/article/details/117218664
Author: yanglee0
Title: 逻辑回归（分类）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/666309/
转载文章受原作者版权保护。转载请注明原作者出处！