摘要：
牛顿法解最大似然估计 对于之前我们解最大似然估计使用了梯度下降法，这边我们使用牛顿法，速度更快。 牛顿法也就是要求解，可导，θ用下面进行迭代。 具体看这个图 对于我们刚刚的求最大似然估计，也就是，则 下面在原理上说一说。 摘自：http://blog.csdn.net/luoleicn/article/details/6527049 对于一个目标函数f，求函数f的极大... 阅读全文
摘要：
y是连续的则是一个回归问题，y是离散的则是一个分类问题，这边就开始考虑y是离散的情况。对于这样的问题很多，比如判断一个人是否生病，或者判断一个邮件是否是垃圾邮件。回归时连续型的，一般不用在上述的分类问题中，因为其受噪音的影响比较大，如果要把一个回归方法用到分类上的话，那就是logistic回归。之所以叫其回归，因为其本质上还是线性回归，只是在特征到结果中加了一层函数映射。对于这边也就是使用一个g(z)将连续的值映射到0跟1上面。下面就是将线性带入到g(z)中。则可以得到：对于我们考虑的问题是将连续的问题离散化，下面就带来两个问题，到底怎么做，还有就是为什么使用这个g(z)呢。至于为什么使用这个 阅读全文