逻辑回归是分类问题的经典解法，本节首先引入sigmod函数，建立问题的假设空间，再介绍LR模型输出的统计意义。与线性回归问题不同，LR需使用对数损失函数来作为cost function（凸函数）。最后介绍了一些高级优化方法（没仔细看），和多分类问题
1. 回归VS分类
如果用线性回归解决 二分类问题
2. 逻辑回归的假设陈述
表示为1/0的概率
3. 决策边界
完全线性可分-> 划分不同类的边界
4. 损失函数
为什么不能继续用平方差函数
因此，选用对数损失函数
5. 简化损失函数
梯度下降求解
6. 先进的优化方法
7. 多分类问题
