logistic回归，回归给人的直观印象只是要求解一个模型的系数，然后可以预测某个变量的回归值。而logistic回归在应用中多了一层含义，它
经常应用于分类中。
第一重认识：logistic是给真正的回归结果做分类，将回归值h(x(i))带入logistic公式可得到一个p概率值，当p>0.5,判定i为1类，
当p<=0.5，判定i为另一类。这里主要利用的是logistic可以将(-non,+non)范围内的数据转化到(0,1)范围内。
第二重认识：可以整体上将其看作一个回归模型，只是求解结果在(0,1)之间。
logistic回归伪代码：
def 回归函数(w,x)：
return: h=w*x
def gradient(x,y):（这里的w更新公式的推导可在网上查找资料）
给 w 赋初值
预测值 = 回归函数(w,x)
for i in k:
error = 预测值-y
gradient = x*error
w = w - 学习率×gradient
return w
def predict(x):
y = w*x
if y>=0.5:
return 1
else:
return 0
main():
x = data_x
y = data_y
w = gradient(x,y)
predict_y = predict(待预测的x)
