算法说明：逻辑回归假设数据模型为努伯利分布，利用极大似然估计构建逻辑回归模型
算法目的：处理分类问题，将连续数据输出离散二进制（0或1）（是否问题）
算法过程：利用sigmiod函数将任意实值映射为[0,1]范围内的值----------->
参考极大似然估计的方法得到损失函数（代价函数），得到高阶可导的凸函数------------------>
利用梯度下降的方法最终求得 值，最终得到逻辑回归模型
sigmoid函数：
努伯利分布：
极大似然估计的对数似然函数：
参考对数似然函数得到损失函数：
单个损失估计：
整个样本损失：
对于一般逻辑回归，令x=x 或者 (x=
)，则推导得逻辑回归损失函数为：
其中，y(i)表示运算出的lable（标签），其值为0或1；
等于输入的第 i 个数据；
采用梯度下降法求得
最终求得逻辑回归模型：