Logistic Regression

Classification 是一個將問題分成兩個類別或以上的問題，而 Logistic Regression 是一種用來解決 Binary Classification 的機器學習模型。它使用 Sigmoid Function 來預測 Positive Class 的機率，並將 Decision Boundary 的間隔值設定為 0.5，以便更好的分辨 0/1。

Logistic Regression 也可以使用 Quadratic, Cubic 等不同的 function 來建立 Hypothesis，因此可以將 Decision Boundary 設為 Non-linear 的邊界，以做到更好的分類。

📄️ 1 - Classification and Representation

Logistic regression 是一種分類器，它可以適用於 binary classification problem，也就是只有兩種結果的問題。它也可以用來表示一個事件發生的可能性，我們可以用它來預測出結果是 0 或 1 的機率。

📄️ 2 - Logistic Regression Model

Logistic Regression 是一種非常常用的 Machine Learning 演算法，主要用於做 Classification 的任務，可以把資料轉換成一個機率。舉個例子，假設我們要預測一個人是否會患有特定疾病，這時候我們就可以使用 Logistic Regression 來把這個問題轉換成一個機率，表示該個人患有該疾病的可能性有多高。