1、logical 回归与liner 回归的区别
logical 返回值是0到1之间，因为通过了sigmoid函数（函数值0到1）得到的值，具体推导见视频。线性回归返回值可以是任何值
2、逻辑回归推导过程。朴素贝叶斯分类->sigmoid函数->
loss function表示成每一个样本分类结果值（Fwb（x）的函数值）其实就是sigmoid函数，将所有样本的函数相乘，我们的目标是求得最大的L（w，b），这是的wb就是我们的最终目标，在上一节classification中提到过，也可以通过穷举w,b得到最大L（w，b）。下面步骤中，将L（w，b）转化为-lnL（w，b），目的是将等号右边连乘转换成加法，简化计算。负号是将求最大L转换成求最小值。交叉熵函数用于评估两个分布函数的近似程度，即真实函数值与预测值之间的相关程度。
