1、邏輯回歸模型
y = sigmod（w*x + b）,然后再用激活函數 sigmoid = 1/1+e-z
機器算法的目的是使得模型的與真實值之間的差值越小越好，也就引入損失函數來進行計算，和線性回歸一樣，邏輯回歸的損失函數(或者叫做誤差函數)是通過最小二乘法計算的（正態分布相聯系），損失函數可以用來衡量算法的運行情況
BD8F7BC6-2D7B-479D-A5D9-0D0433D482C5.png
1、loss function（單個訓練樣本的誤差函數）
2、Cost function （整個訓練樣本的成本函數）,成本函數用衡量w和b參數的效果
2、尋找最優解，梯度下降法
338C8236-4964-4CD0-967E-2B573F9A3440.png
下圖為了方便用圖來表示，先不管b的
C65E9CAE-169F-44A2-90AD-42B1BE40610D.png
通過不斷的更新w的值，來找到最優解或者說接近最優解決。
w = w - a*dj(w)/dw,其中a表示學習速率，dj(w)/dw表示為曲線的斜率。
