逻辑回归（Logistic Regression，简称LR）名为“回归”却是用来分类工作、在线性数据上表现优异的分类器。
视频教程：第07讲：逻辑回归是线性分类器的佼佼者
LR是数据挖掘领域常用的一种分类模型，常用于解决二分类问题，例如垃圾邮件判定、经济预测、疾病诊断（通过年龄、性别、饮食习惯、幽门螺杆菌感染情况等特征列，预测胃癌患病可能性）。
LR假设数据服从伯努利分布，利用线性回归模型配合Sigmod函数构造逻辑回归公式，运用梯度下降的方法来求解损失函数，极大化似然函数，最终解决二分类问题。
主要思想: 根据现有数据对分类边界线(Decision Boundary)建立回归公式，通过寻找最优参数来正确地分类原始数据。
数学目的：求解能够让模型对数据拟合程度最高的参数的值，从此构建预测函数y(x)，然后将特征矩阵输入预测函数来计算出逻辑回归的结果y。
把原线性回归的取值范围通过Logistic函数映射到一个概率空间，从而将一个回归模型转换
