逻辑回归也是机器学习领域最基础的模型之一，第一次见到逻辑回归似乎觉得与昨天推的线性回归相似，但是两者的本质是有很大的差别的，虽说叫逻辑回归，但是主要解决的是确是分类问题（二分类问题）。
在逻辑回归中因变量的取值是二元分布，模型学习得出的是E[y|x;theat]，最后得到的因变量是一个期望，最终通过期望来进行预测分类。
求解逻辑回归的过程大致可以分为三步：
- 分析数据集，找到合适的预测分类函数
- 构造损失函数
- 找到损失函数的最小值
在二分类问题中，通常用sigmoid作为预测分类函数，sigmoid函数公式如图一所示
图一sigmoid函数公式
图二是sigmoid函数的图像，从图中我们可以看到，sigmoid函数图像是一条取值介于0到1之间的S型曲线，当x>0时，概率P>0.5，当x<0时，概率P<0.5，因为sigmoid函数的这种属性，所以常用来作为二分类问题的预测分类函数。
图二sigmoid函数图像
