逻辑回归是一种能得到y的算法。我们需要知道什么是yhat。当我们已经训练好一个逻辑回归模型，我们输入一个x，就可以用yhat得知y是1的概率是多少。
如下图所示。w是一个参数，b是一个实数，那么如何用w，x，b来表示yhat呢？我们试过yhat=wx +b。事实上，如果我们用的是线性回归，实际的公式就是这样。但是我们需要的yhat是一个介于0到1之间的概率，而这个公式往往不能满足这个区间要求。那么怎么办呢？
这时，我们要用sigmoid 方程。sigmoid方程如下图所示，是一个是“s”型函数。它的方程如右下方所示。y轴交于0.5, 当z取向无限大，y约等于1,当z趋向于无限大的负值，y约等于0。
我们套用sigmoid 方程，设wx+b等于z，则当wx+b越大时，yhat越趋向于1，反之越趋向于0。
红色部分的可以忽略，是解释其他课程对logistic regression的解释，但本质都是一样的。
图片发自简书App
