Python机器学习算法(3) 逻辑回归与梯度下降法

一日两次更新，危害最为严重。

一.逻辑回归模型分析

1.1 监督与非监督，回归与分类

监督学习是指在训练过程中，所使用的样本数据均带有明确标签，例如在房价预测任务中，自变量为房屋面积，而对应的标签则为房价数值；与之相对的是无监督学习，其样本数据不包含标签信息，需要通过挖掘数据内部的潜在关联性实现聚类划分，例如将二维空间中的点集划分为若干个具有相似特征的簇。
监督学习通常进一步划分为分类与回归两种类型，其中分类任务用于预测离散值结果，如判断某人是否患有癌症，其标签可表示为0或1；而回归任务则用于预测连续值输出，如房价的取值范围理论上覆盖整个实数域。

1.2 什么是逻辑回归

逻辑回归在实际应用中表现得较为灵活，尽管名称中带有“回归”二字，但其本质通常被归类为一种分类算法。该方法主要用于处理分类问题（Classification），并且在当前各类学习算法中，属于被频繁采用且具有较高普及度的典型代表之一。

一般情况下，会设定一个阈值（例如0.5），若hx的预测结果高于该阈值，则判定为0或1；反之，若低于该阈值，则判定为1或0。

1.3 逻