监督学习的Logistic回归算法

函数原型 h θ ( X ) = 1 1 + e − θ T X . . . 称 h θ ( X ) 为 y = 1 的 概 率 。 h_\theta(X)=\frac{1}{1+e^{-\theta^TX}}...称h_\theta(X)为y=1的概率。 hθ​(X)=1+e−θTX1​...称hθ​(X)为y=1的概率。 决策界限的定义 根 据 函 数 表 达 式 可 知 当 z > = 0

>>阅读原文<<