Day4 Logistic回归
github: 100DaysOfMLCode
Logistic回归用于分类问题，可以直接用于二分类问题，也可以设计应用于多分类问题。
原理
传统的感知机将wx+b>0和wx+b<0实现二分类（0、1），Logistics回归更进一步，通过Logistic函数表示分类1的概率。
sigmoid(z) = 1/(1+e^(-z)),
sigmoid(wx+b>0) > 0.5，属于1类，
sigmoid(wx+b<0) < 0.5，属于0类。
最大似然函数：Mul(p^(y) * (1-p)^(1-y))
L = Mul( y * log( p )+ (1-y) * log(1 - p))
Logistic函数是怎么来的
logit(p/(1-p)) = wx + b