机器学习四：Logistic Regression逻辑回归算法
前情提要：
上一节我们已经将朴素贝叶斯分类器的算法公式进行的推导
逻辑回归算法
Step 1: Function Set
Step 2: Goodness of a Function
最大似然
Step 3: Find the best function
逻辑回归为什么不采用平方误差作为损失函数
交叉熵的速度比较快
Discriminative v.s. Generative
判别式模型VS生成式模式对应平方差和交叉熵具有相同的model
多类分类模型Multi-class Classification
逻辑回归的限制
Feature Transformation功能转化
将上面的四个点转换为各自到（0,0）（1.1）点的距离，这样就可以完美的分为两类
但是找到好的转换并不总是那么容易
Cascading logistic regression models
级联逻辑回归模型
功能转换
分类
so，引出了下一个内容：深度学习Deep Learning!