一、邏輯回歸概念
線性回歸可以擬合X與Y之間的關系，但回歸模型中Y值是連續的，如果換成一個二分類標簽，Y只能取兩個值0、1，這時候就不能用線性回歸了，這樣就有了邏輯回歸。
針對Y的值域在區間[0-1]的問題，我們不能尋找到一條完美曲線，用於擬合二分類模型，但我們可以尋找一條完美的S型曲線，S型曲線叫Sigmoid曲線，
二、Sigmoid函數介紹
Sigmoid函數數學表達示
以二分類為例，邏輯回歸就是假設y=1的概率為(P(Y = 1))與X之間是S曲線關系，數學表達式為
邏輯回歸核心原理是在線性回歸的基礎上加上一個Sigmoid函數，把訓練數據通過Sigmoid函數整合到（0---1）之間。
邏輯回歸的損失函數為
邏輯回歸只能用梯度下降法來求解參數w,b，不能用最小二乘法。
邏輯回歸雖然有“回歸”兩字，但是他解決的是分類問題，而不是回歸問題，邏輯回歸是最經典和最常用的一個分類算法
隨機梯度下降：每次只考慮一個樣本
批量梯度下降：考慮所有樣本