Paste_Image.png
把 x1 ... x2 乘以相应的 w1 ... w2 加上 b 得到 z,z 通过 Sigmoid Function output 的值就是几率
Paste_Image.png
Logistic Regression 通过了 Sigmoid Function 它的 output 会在 0 到 1 之间，而 Linear Regression 没有通过 Sigmoid Function,所以它的 output 可以是任何值
Paste_Image.png
找到 w, b 令 L(w, b) 的值最大，就是令它取得在 Training Data 上取得最大化的
Paste_Image.png
现在有 4 个数据，如果用 Logistic Regression 对它们分类的话能做到这件事情吗？其实是做不到的，希望 class 1 的几率大于等于 0.5，class 2 的几率小于 0.5
Paste_Image.png
因为 Logistic Regression 的分界就是一条直线
Paste_Image.png
Paste_Image.png
Paste_Image.png
每个 Logistic Regression 叫做一个 Neuron, 每个 Logistic Regression 链接起来的 Network 叫做 Neural Network
