将之前学习的内容整理一下，关于逻辑斯蒂回归算法，数学建模中，常用的一种二分类算法。
本部分依然采用原理+实验代码+结果分析进行讲解
Let's go~
1.概述逻辑回归（Logistic Regression）是一种用于解决监督学习（Supervised Learning）问题的学习算法，一般用于二分类（Binary Classification）问题中，用逻辑回归训练得到一个分类器，对输入的数据进行判断其类型，并进行概率的估计；逻辑回归的目的，是使训练数据的标签值与预测出来的值之间的误差最小化。
逻辑回归本质上是一个线性回归模型，因为除去sigmoid映射函数关系，其他的步骤都是线性回归的。可以说，逻辑回归是以线性回归为理论支持。区别在于线性模型无法做到sigmoid的非线性形式。
逻辑回归属于多重变量分析范畴，是社会学、生物统计学、临床等数据统计分析的常用方法。
1.2.1逻辑回归与线性回归
逻辑回归与线性回归的共同联系在与两者都是用回归的思想建立模型拟合数据；不同点在与线性回归是用来预测数据，逻辑回归是对数据集进行分类，因而线性回归是拟合函数，逻辑回归是预测函数