簡介：本課程從邏輯回歸的定義及其在機器學習所處地位入手，深入淺出的分析和推導邏輯回歸算法的數學原理。以邏輯回歸原理為基礎，采用python語言，實際的開發一個基于梯度下降法的邏輯回歸模型；并根據模擬的數據集，對模型的預測效果作出量化的評估。
第1章 課程介紹
本章中將介紹邏輯回歸的基本概念，闡述邏輯回歸的基本性質和建模過程，并指出邏輯回歸在機器學習學科中所處的類別和地位。
第2章 邏輯回歸的原理
本章中將講述似然函數、極大似然估計法的基本概念，并用其建立邏輯回歸算法的損失函數。闡述函數梯度的定義和計算過程，對邏輯回歸損失函數進行最優化求解。
第3章 邏輯回歸的代碼實現
本章中將簡述在課程中，所使用數據集構建的方法及其基本信息。并對采樣誤差的廣泛性進行說明。通過python代碼，開發基于梯度下降法的邏輯回歸模型。
第4章 邏輯回歸模型應用
本章中將分析邏輯回歸擬合的本質，簡述過擬合的定義、現象、危害性、以及常用的解決辦法。確定邏輯回歸的幾個重要入參，分析模型參數對分類效果的影響作用。