周末，学习了2天机器学习的课程，整片的公式推导让我有些发蒙，今天就请假一天来整理下逻辑回归中的一些知识点。以备以后复习使用。
话不多说直接上手写的源代码，以便理解其中逻辑回归中“真正的逻辑”，而非调包。
#使用一个分类的数据-------------------
1.数据的预处理
该代码中的Categorical就是对‘class’中的类重新进行编码，这里把其中的字符串类型转换为0
、1、2等 打印的信息如下
2.备用函数a
其中y_prob 表示概率值，该函数就是根据概率值来做2分类问题。
备用函数b
参数theta,x就是对应下图的θ和x
备用函数c
y_true:是对应样本中真实的分类情况0，1，2（也就是数据中的class索引）
prob:是对应样本中概率值0--1
备用函数已经准备完毕，下面就要使用梯度下降法开始迭代
使用sklearn库做模型就相当easy了
注：sigmoid函数给出来的概率是预测接近于1的概率
