前面两篇文章求出了函数和逻辑回归是线性回归，那模型还需要求出目标函数的参数，才可以供以后使用。
也就是说，我们如何求出W和b的值呢？
求解W和b的过程其实也叫做《模型的实例化》~= 首先定义明确的函数，就是目标函数，然后优化算法把参数值求出来，得到最优的模型。
好啦，下面我们看看如何进行模型的实例化
image.png
MLE是最大似然估计（咱们概率论也有学过，最大似然估计就算估算参数法）
image.png
一般我们都要把乘法改为log加法，因为概率要是很小的时候，乘起来数值会很小，有可能会出现underflow的情况，而log是一个严格递增函数，所以我们都是用log。
PI符号代表乘法，Z代表加法
image.png
很多时候我们会把求最大换成求最小值，所以在前面加个负号，就可以转换成求最小。
如何求出最忧值的W,B呢？哈哈哈哈哈，下一篇文章告知。请继续往下看，一步一步来。
