1.逻辑回归模型
- 有监督学习： 数据是带有标签的。比如说，有两张图片，我会告诉机器，哪张是鸡，哪张是狗
- 有监督学习又分为两大类：回归任务（线性回归） 和分类任务（逻辑回归）
- 回归任务是预测一个不确定的连续数值，是无线的
- 分类任务是预测一个确定的离散值，来代表分类，是有限的
- **无监督学习：**你只给一堆数据，它会通过聚类算法，通过各个图片中的特征，自动分成不同的类别
算法原理
逻辑回归是用来做2分类的任务（好与坏，健康和不健康）
这个函数的值域∈ 0, 1
和线性回归的原理一样，用多组w权重和b来表示z，然后把 z 带入sigmoid函数中，映射得到0,1的值，可以理解为概率，然后我们可以设定，＞50%是健康的，＜50%是不健康的
参数更新
这就是逻辑回归的损失函数，交叉熵损失函数
