本文重点

我们在机器学习专栏中已经学习了逻辑回归算法，本次课程我们将重温逻辑回归算法，该算法适用于二分类的问题，本文主要介绍逻辑回归的假设函数。我们在学习线性回归算法的时候，我们已经知道了线性回归算法的假设hθ(x)=θTX（参数θ的转置*X），但是对于逻辑回归而言，我们要把这个假设函数稍微给改一下，逻辑回归的假设函数改为：hθ(x)=g(θTX)，g函数是什么呢？

函数g

其中g函数的图像为：

上图sigmid的图像，它的自变量是z也就是θTx。

对于sigmoid函数来说只要自变量z大于0，那么它的因变量值就大于0.5，那么此时就表示此时样本是正类，如果z小于0，那么h(θ)的值就小于0.5，就表示样本为负类。所以我们通过阈值0.5来判断我们的样本是正类还是负类。Z如果非常大，那么g（z）将近似等于1，反之就会近似等于0。

逻辑回归的假设在计算什么

我们可以理解为逻辑回归的假设的含义是：对于给定的输入变量x，根据选择的参数θ计算输出变量y=1 的可能性，也就是该样本类别为1的概率