在机器学习中，线性回归与逻辑回归的形式简单，却蕴含着一些重要思想;逻辑回归模型也是线性回归模型的非线性高级映射，具有便于求导等较好的数学特性，也可作为神经网络的激活函数来使用，如图1。
数据集可以得到线性回归模型
假设通过d纬的数据集可以训练出相应的线性回归模型进行相应的预测等功能，但如果想通过此数据集进行二分类，理想的函数为单位阶跃函数如图2所示
单位阶跃函数(heaviside函数)
,此类分段函数拥有不易微分等较差的处理性，故可构造成如图3所示的sigmoid函数
sigmoid函数
，此类函数便于数学处理，且连续可微的特点，在靠近0的位置变陡峭，两个正无穷大和负无穷大分别取1跟0的值，这也符合靠近回归曲线的输入概率偏向0.5，正远离回归曲线的输入偏向于1，相反偏向于0的实际特点(二分类的输入点到回归曲线的几何距离为L=W×X＋b)，如图4所示
概率值与线性回归关系
。二分类可以据此推广到多分类的概率预测，前提为各个分类事件之间相互独立，方法为将感兴趣的类别设置为1类，其余所有类之和设置为0类既可～
以上就是个人对于逻辑回归的理解，希望大家多多批评指正！
