啥是逻辑斯蒂回归呢
先别管那没多，它就一种分类方法：
我们先假设某个某个事件 E 发生的概率为p，那么该事件不发生的概率为1-p;
接下来，我们说下几率：一个事件发生的概率与它不发生的概率之比就是几率：即 P/1-P
那么我们知道如果事件E发生的概率越大，几率 P/1-P 越趋近于正无穷，否则趋近于0。
啥是对数几率呢，就是对几率P/1-P 取对数啊：ln(p/1-p)
那么我们知道如果事件E发生的概率越大，对数几率 ln(p/1-p) 越趋近于正无穷，否则趋近于负无穷.。
我们可以让 ln(p/1-p) 逼近一个线性函数 y= wx+b **************这个过程就是逻辑斯蒂回归了，也称对数几率回归
这时候 ln( p/ 1-p) 等价于 y= wx+b
问题来了，p等于多少：
正好符合 ln( p/ 1-p) 等价于 y= wx+b
所以我们可以求出w和b ，来预测一个事件发生的概率p，同时 我们假定当p>=某个值a，就认为它会发生。
那么怎么算w和b两个参数呢？
既然是概率当然少不了似然估计法了
接下来是似然函数：
注意：这里的w是系数向量，
是各特征变量所组成的向量
第一步取对数：
第二步整理下这个式子：
这是个凸函数，有最大值，我们要通过梯度下降求最小值，所以在该式前面加个负号，即对偶式 
， 对此式梯度下降
第三步梯度下降求解；
简化式子：
·················可能会出错，第一次推梯度下降，之前都没动过手，数学建模要用，临时推的。。。。