（原创）
本文讨论逻辑斯蒂回归
1. 逻辑斯蒂分布
是分布函数形如 1/（1+exp(-x）)的分布，（注：可以加入参数平移或者拉伸）
对于中心（0,1/2）中心对称，且在中心附近增长较快
2. 线性参数化，的二项逻辑斯蒂回归
输出分类为二分类，0和1，在x输入下，算这两个输出概率
输出1的概率 =exp(wx+b)/(1+exp(wx+b)) ，注意和上面的分布形式上一致，参数改为了x的线性形式
输出0的概率 =1/（1+exp(wx+b）)=1-输出1概率
注意，为了方便，可以将原向量w和x都扩充一维，将b放到w里，x加一维为1
3. 估计参数w
方法是经典的，使用极大似然估计，
每个样本现象的概率是 pi(x)或者1-pi(x)，可以统写为 pi(x)^y(1-pi(x))^(1-y)，y的取值为0或1
似然函数为上面n个样本现象的概率的乘积，
再对他求最值，可以得到w的最大似然估计值，作为最终模型