邏輯回歸可以用於處理二元分類問題，將輸出值控制在[0，1]區間內，為確保輸出值時鍾若在0到1之間，采用sigmoid函數，其具有該特性，將線性回歸訓練得到的模型輸出數據作z = x1*w1+x2*w2+...+xn*wn+b代入得到y,保證了y在0~1之間
邏輯回歸中用到sigmoid函數，若用均方誤差則為非凸函數，有多個極小值，采用梯度下降法容易現如局部最優解中
因此在二元邏輯回歸的損失函數一般采用對數損失函數
y'是x代入得到的預測值，介於0~1之間的；
若標簽值為1，我們希望預測的結果也是越接近1越好，越接近說明損失越小 =》》后項1 - y為 0 直接消掉，則-y log(y')中y'越接近1，則式子越接近0 ，損失和越小
同理，若標簽值為0，則前項消掉，后項-log(1 - y')預測值越接近0，式子越小
softmax可以解決多元分類問題