B站吴恩达深度学习视频笔记（6）——逻辑回归

前言

逻辑回归是机器学习非常重要的一种模型，在机器学习的某些场景下，甚至出现了“一个LR打天下”的情况，可以说这个模型是机器学习必须精通的模型。在这之前，你肯定接触过线性回归，但是逻辑回归和线性回归存在不小的差异，我需要先帮你弄清线性回归和逻辑回归是什么，他们有什么区别，再通过吴恩达老师的视频，详细地讲一下逻辑回归。

什么是线性回归（Linear regression）

首先我们要了解，什么是回归？
我们认为所有的特定组数据是相关的，符合一定的分布规律（可以想象成各种曲线），而回归就是来确定这个曲线的参数从而确定这个曲线（曲线可以用数学函数来表示）。
继而我们可以根据确定的函数和要预测的一组x值，来计算新的数据的结果，这个结果就是我们要预测的x值对应的y值。
简单来说，回归是一种拟合数据的方法。
第二步，我们了解线性回归是什么。我们学习代数的时候会看到下面这样的式子：
就是一堆x1,x2……的变量乘以他们对应的权重w1,w2…… ，得到最后的结果。
而线性回归就是已经知道图上的一些数据点，用一根曲线去拟合的过程。简单来说，就是确定w1,w2这些参数的值。
知道这些参数值后，再有新的x值，我们就可以计算（预测）出y值。这是我们的目的。

什么是逻辑回归（ Logistic Regression）

上面说了线性回归，它很简单也很好理解，但线性回归有很多缺点，最明显的是两