本文主要介绍逻辑斯特回归，以及参数的估计，推广到多项逻辑斯特回归。
前言
逻辑斯特回归（简称逻辑回归）是统计学习中常用的经典分类方法。
个人理解主要思想：
对于二项逻辑斯特回归，主要是应用线性回归，通过逻辑斯蒂回归分布函数（sigmoid函数）进行非线性映射到0,1上的条件概率，最终利用极大似然估计来求解参数问题，根据得到的参数从而进行分类。
不知道理解的有没有错误，对于逻辑斯特回归没有进行本质的理解，只知道逻辑斯特回归应用生长问题比较多，就是我们在生物上学到的S型曲线。
一、逻辑斯蒂分布（逻辑分布）
二、二项 逻辑斯特回归模型（逻辑回归）
三、模型的参数估计
利用极大似然估计来求解参数。
四、多项逻辑斯特回归
总结
逻辑回归通过线性回归的非线性映射，从而达到分类的目的，虽然叫回归但还是分类问题，最长用二分类问题。