machine learning学习笔记（四）逻辑回归

在前面已经学习了线性回归，但是线性回归的应用场景往往是，比如：知道你的身高，你的收入，你的颜值分，你的家底，问你未来能交到的对象的总体评分是多少。
我们用离散的数据构造了一个连续的模型，并以此把重心放在“预测数值”上。但是当我们遇到：已知西瓜的颜色，重量，花纹等信息，问是不是好瓜？
答案必然是：yes / no.
所以逻辑回归就引入了这样的问题，虽然叫做回归，但实际却是在解决分类问题。

可是我们拟合出来的图像都是一些线条可怎么进行逻辑性回答呢？
y=1,if x>0
y=0.5 if x=0
y=0 if x<0
这样的函数必然是极好的。
但是在线性模型中，产生的都是实实在在的数值，可以是0.1也可以是10000
我们需要把线性模型扭曲成，一个长得像
y=1,if x>0
y=0.5 if x=0
y=0 if x<0
的函数

也就是：