本文主要記錄我在學習機器學習實戰Logistic迴歸這一章遇到的問題。
之前也學習過邏輯迴歸，邏輯迴歸一般解決分類問題，之前結合了吳恩達教授的機器學習課程和周志華教授的西瓜書，現在又用機器學習實戰這本書籍來學習，這兩種方法在實現過程中存在一些差異。
吳恩達機器學習課程和周志華教授的做法如下：
上面來自吳恩達教授的筆記，詳細講述了損失函數推到過程。
在機器學習實戰中：
參數更新方式相同。
兩種方法的目標函數雖不同，但也殊途同歸。
我在學習時主要遇到的問題是：
對一維向量進行轉置時，例如將行向量轉換爲列向量時，不要用Y.T,或者transpose函數，因爲用這兩個函數對一維向量轉置根本沒用，python中，一維向量轉置，行向量任然是行向量。
所以我最後用的reshape函數，這樣纔沒有出錯。
本章最後用隨機梯度上升算法來降低算法的複雜度，並對學習率進行調整，以及隨機選取樣本來更新參數。