逻辑回归详解
什么是逻辑回归？逻辑回归（Logistic Regression）主要解决二分类问题，用来表示某件事情发生的可能性。
比如：
一封邮件是垃圾邮件的肯能性（是、不是）
你购买一件商品的可能性（买、不买）
广告被点击的可能性（点、不点）
一句话总结，逻辑回归假设数据服从伯努利分布，通过极大化似然函数的方法，运用梯度下降来求解参数，来达到将数据二分类的目的。
逻辑回归公式
Sigmoid函数
图像是Sigmoid函数之所以叫Sigmoid，是因为函数的图像很想一个字母S。这个函数是一个很有意思的函数，从图像上我们可以观察到一些直观的特性：函数的取值在0-1之间，且在0.5处为中心对称，并且越靠近x=0的取值斜率越大。
逻辑回归的假设数据服从伯努利分布
伯努利分布：是一个离散型概率分布，若成功，则随机变量取值1；若失败，随机变量取值为0。成功概率记为p，失败为q = 1-p。
在逻辑回归中，既然假设了数据分布服从伯努利分布，那就存在一个成功和失败，对应二分类问题就是正类和负类，那么就应该有一个样本为正类的概率，和样本为负类的概率。
正类的概率由sigmoid的函数计算 ...
