机器学习：基于逻辑回归的matlab实现

1.回归：

https://www.cnblogs.com/chenqionghe/p/12593438.html

• 回归简单来说就是：越来越接近期望值，回归事务本质的过程
• 带有回归两字的解决办法不一定是解决回归问题，逻辑回归解决的是分类问题

2.最大似然估计：

https://zhuanlan.zhihu.com/p/26614750

• 其实就是已知数据去推测模型，通过已知数据函数（已知抛硬币正反面按照二项分布分布）建立概率模型，找到使得概率模型值最大的（也就是说在此概率模型中，找到使得已知数据事件发生的可能最高的参数值）

3.逻辑回归（对数几率回归）

https://zhuanlan.zhihu.com/p/74874291?utm_source=com.youdao.note

（1）关于为什么用对数几率函数：https://zhuanlan.zhihu.com/p/42656051

（2）大概过程叙述：首先我们对数据进行分类的方法，就是根据坐标与我们所选的模型线/平面等的位置关系，这样一来也就有了一个判断函数，可是判断函数和概率判决式(Y=1/Y=0)无法进行度量的统一，判断函数中是与0比较，概率判决式中是(正例概率/反例概率)与1比较，因此度量无法进行统一，我们只能用对数对概率判决式进行优化。通过优化以后我们就会有正例和反例的概率，通过正例和反例的概率我们假设是二项分布，那么就会有极大似然函数，然后再通过梯度下降、牛顿法等等去求解解

判断函数：通过已知数据判断应该分在哪一类

概率判决式：分在正例类/分在反例类的概率应该大于1

实质上最大似然函数和最小化损失函数实际上是等价的