本文用於複習《Machine Learning》第三章部分內容
內容來自於Andrew Ng的機器學習課程，主要是爲了回憶起來方便
第三章第一講主要講解了分類問題和引入logistic regression
- classification problem
在之前的章節中一直都在講解的是regression problem，然而回顧第一章講的supervised learning其實是包含regression problem和classification problem的。其實際用例有：判斷郵件是否爲垃圾郵件，判斷腫瘤是否爲惡性腫瘤等等。
圖片（來自課程）如上所示，假設一開始只有前八個“X”，那麼可能意思就是腫瘤大小較小的前四個爲非惡性腫瘤，腫瘤較大的後四個爲惡性腫瘤，此時我們繼續運用之前的linear regression。
要知道 linear regression的目標是與預測值儘可能接近，那麼應該就會出現玫紅色的線，表明線以下的就是良性，以上就是惡性，可是當出現第九個點時，我們的預測就會失效，且我們就算根據第九個點調整預測線，也會導致錯誤。
所以！linear regression已經不適用了，此時引入logistic regression如下圖所示，更合適於區分類別。
- logistic regression
邏輯迴歸如上圖所示，z大於0就判斷g(z)大於0.5（可以變相舉例理解爲機率大於50%爲惡性腫瘤）反之同理，最後得到公式如下
- decision boundary
我將之稱作決策分界線，例如在之前的例子中，我們可以將分界定爲50%，即是說當hθ(x)≥0.5，則y=1，反之y=0，這樣劃出的界線就是decision boundary，當然decision boundary還可以是各式各樣的。
