摘要：
1. 为什么线性回归不可用？ 通常，两个以上定性响应变量不能用线性回归建立模型 线性模型不能保证预测值在0，1之间 2. logistic regressiom 2.1 logistic model logistic function: odds: 取值范围为0 到∞。其值接近于0 表示违约概率非常 阅读全文
摘要：
Model Representation Logistic Unit： Sigmoid (logistic) activation function: Neural Network：神经网络，即一群有强相关性的神经元。 神经网络包括输入层、隐藏层、输出层。其中隐藏层可能是一层，也可能包含多层。 表示 阅读全文
摘要：
方程式： 1.1 估计参数 代表第i 个残差第i 个观测到的响应值和第i 个用线性模型预测出的响应值之间的差距 残差平方和（residual sum of squares ,RSS）： 等价于： 最小二乘法选择β0和β1来使RSS达到最小。通过微积分运算，使RSS最小的参数估计值为： 1.2评估系数 阅读全文
摘要：
先来说说回归的思想吧： 常见的回归就是通过一系列的点，计算得到一条线。当有新的输入时，可以直接计算得到输出。用最小二乘法求解线性回归方程就是我们最早接触到的回归。对于线的表示都不尽相同，如线性回归得到的预测函数是y=w⃗ T∗x⃗ +a，逻辑回归则是一条S型曲线。 逻辑回归和线性回归（Linear 阅读全文
摘要：
单变量线性回归： ex1.m plotData.m computerCost.m gradientDescent.m 多变量线性回归： ex1_multi.m featureNormalize.m computerCostMulti.m gredientDescentMulti.m normalEq 阅读全文