本文包含
关键计算式：逻辑回归的目标函数模型训练方法：如何逼近最大值不包含
详细的公式推导各种证明似然函数表示如下，其中y是样本标签，只有0，1两种情况。x表示观测到的样本特征。P是概率函数。在逻辑回归中采用了sigmod函数
似然函数最大值求解
在求解一个函数的最大值很容易想到,导数为0的时候，目标函数最大。可惜，这种方式是行不通的。于是，go on。
逻辑回归采用了梯度下降的方式，不断迭代模型参数，以逼近最优。
在计算梯度之前，首先将目标函数改成对数似然，便于求导。
对数似然
梯度表示如下，是
梯度
模型参数的迭代方式如下，i表示当前训练的轮次，i-1表示上一轮，alpha是学习速率（表示参数迭代的快慢）
参考
https://tech.meituan.com/2015/05/08/intro-to-logistic-regression.html
https://blog.csdn.net/zouxy09/article/details/20319673
