1. 應用場景：首先要明確的是，logistic regression是用來分類的；
與stanford的公開課進行模擬，在該課程中所舉的例子是根據訓練集中房屋的各種feature(area,location等)和**來**測試集中的房屋**，
那麼利用logistic regression就是來**一種值域為[0,1]的label，如房屋****的概率p。若p>=0.5，則將其歸為**；若p<0.5則將其歸為不**。
如你要根據資料來**房價是否會**來決定是否現在買房，那麼logistic regression很適合你的選擇，因為你care的是房價是否會**，而不是具體某個樓盤的房價會是多少。
2. 機率（odds）：乙個事件的機率（odds）是指該事件發生的概率與該事情不發生的概率的比值。
對數機率（log odds）：log(odds)
設該事件發生的概率為p，則其對數機率為：
logit(p) = ln(p/1-p) = w*x 解得
p = exp(w*x)/ (1 + exp(w*x))
這樣我們就可以根據歷史資料來得到房屋****的概率了，很神奇。
3. 我的問題：
(1). 為什麼能夠想到機率和對數機率？
(2). 直接用線性回歸的方法去估計概率會產生什麼樣的後果？
即令： p = w*x。 檢視了網上其他的一些理解認為： 不同的feature值相差的會比較大，如乙個以100，乙個是1，資料沒有歸一化，這樣會使**效果不好；但是我認為這樣可以用w來調整下就可以了，如對於值為100的feature，w=0.01, 值為1的feature，w=1；這樣好像就可以實現資料歸一化了啊。
看了這個 之後，對為什麼用線性回歸不能很好的實現分類有了一點模糊的概念，但還是對
這個logistic function對事件概率的對映原理不是很理解，求大神指點！
關於程式關於世界
首先，在學了1年多的軟體設計的基礎上，問下自己 程式是什麼？業務需求是什麼？程式有什麼用？什麼是演算法？什麼是資料庫？或許每個人的理解不同，會給出不同的答案。那麼自己的理解 程式是乙個讓計算機工作的流程，在程式寫好之後，計算機就會按照，程式設計師定義好流程在執行。其實很多時候，乙個程式的好壞，在於乙...
關於血液關於軟體
1 自然沉降法 將血袋垂直吊掛於4 2 冰箱內，使紅細胞自然下沉1 3d，或將血袋呈70 80 角立於冰箱，需用時，用一次性分漿器分出血漿，制得濃縮紅細胞。2 洗滌法 一般用生理鹽水反覆洗滌3 6次。經洗滌的紅細胞，除白細胞和血小板減少外，血漿蛋白也極少，紅細胞中殘存的血漿蛋白含量約為原總蛋白的1 ...
關於冷漠，關於愛情
我不知道為什麼今天又莫名其妙開始思考愛情這件事，隨之就解決了我一直無法面對冷漠這件事 被冷漠是我始終無法消化的一件事，每當遇見冷漠時，我總會覺得就像一團火把自己燒得面目全非，但對方卻毫無傷害。但我突然懂了，遇到冷漠時，體面的離開即可 在乎你的人一定會在你離開後，找到你跟你解釋為什麼 連解釋都來不及，...