> Logistic Regression，在线性回归的基础上，增加Sigmoid函数，解决**分类**问题。 > 本课学习时长评估：2小时。 ## 逻辑回归定义 逻辑回归是一个分类模型，其思想是基于线性回归，属于广义线性回归模型。 ## 逻辑回归公式 * 预测函数 `$ h_\theta(x) = \frac{1}{1 + e^{-z}} = \frac{1}{1 + e^{-\theta^Tx}} $` `$ z = \theta_0 + \theta_1x_1 + \theta_2x_2... + \theta_nx_n = \theta^Tx $` * Sigmoid函数 `$ y= \frac{1}{1 + e^{-z}} $` 逻辑回归算法，是将线性函数的结果映射到了sigmoid函数中，然后对sigmoid作为预测函数，求出成本函数，然后最小化成本，得出w,b超参数。 * 损失函数 LR的损失函数为： 负的对数损失函数。 逻辑回归**假设样本服从伯努利分布（0-1分布）**，然后求得满足该分布的似然函数，接着取对数求极值最小化负的似然函数 ## 逻辑回归的求解过程 [白话简介视频链接](https://www.bilibili.com/video/BV1Cx411d7MU) [公式推导视频链接](https://www.bilibili.com/video/BV1As411j7zw)