Logistic回归

（一）Logistic回归原理：

① 将数据做线性回归，得到线性回归函数：h(x) = θX；

② 将h(x)做sigmoid转换，得到logistic回归函数g(z):

③ g(z)的值域为区间（0 ~1) ；

④ g(z)的输出结果也不再是预测值，而是一个样本预测为正例的概率P

---

https://blog.csdn.net/weixin_39445556/article/details/83930186

（二）Softmax回归原理：

Softmax多分类回归，只是Logistic回归的一般化。原理如下：

① 与Logistics回归相同。也是先做线性回归，得到线性回归函数：h(x) = θX；

② 将线性回归的结果Z = h(x) = θX做softmax函数转换，得到softmax回归函数：

softmax回归概率函数

③ g(z)的值域为区间（0 ~1) ；

④ g(z)的输出结果也不再是预测值，而是一个样本预测为正例的概率P

---