ロジスティック回帰
線形回帰の問題は - どのように腫瘍の悪性かどうかを判断するには？
十分なロバスト線形回帰、ノイズがあれば、すぐに、「降伏」
ロジスティック回帰 - 分類
平滑化ステップ関数0-1との間のシグモイド関数（圧縮関数） - ステップが不十分非線形関数の問題を解決します
線形関数を整流のReduは、より良いステップ
我々アウト線形回帰適合が完了圧縮決定境界と0.5の確率を作るために、圧縮関数値を圧縮するために、サンプルは、2つのカテゴリ、すなわち、正および負のサンプルに分割することができます。
EZは、値z G（z）の記号は、最後の0.5または0.5未満大きいかを判断する（複数のニューラルネットワークを使用して）シグモイド関数、; zは即ち0よりも大きい場合、G（z）は、0未満のZ 0.5より大きい、G（z）が0.5未満である場合
、Zは、分類境界に相当する表現は、正確にそのような分類G（z）は> 0.5、およびg（Z）に対応する境界の両側には、境界の異なる側に対応する負のzに分類された場合<0.5ので、大小関係のG（z）及び0.5に応じて、分類を達成することができます
ロジスティック回帰損失関数
問題の広場の機能の喪失
H（OX）予測値、yが真の値です。
解決するために、勾配降下法
目的機械学習や教師付き学習は、この勾配降下機能である（機能と定期的な肖像画の損失）
