TIL - 文章筆記 看了一篇線性回歸的文章

http://adit.io/posts/2016-03-13-Logistic-Regression.html

這篇作者寫的線性回歸，涵蓋 Ng 在 Coursera 上的 ML 第三章的內容。
線性回歸是一個分類的演算法。

線性回歸說起來是還蠻簡單的:

1. 準備你的資料
2. 把資料灑到圖上 (graph)
3. 然後畫一條線 (應該會有最適合的.. 看題目是什麼...)，可以把灑在圖上的資料做個切分 這條線叫做 Dicision Boundary.

---

* g (...) 也稱為 sigmoid function，我們用這個 function 來約束預測的結果，使結果只會介於 0 ~ 1，單位是百分比值，如結果是 .95 則預測結果是 95%。
* Dicision boundary 是一條可以把你的資料區分成兩塊 (也就是分類) 的線。
* 如果你需要非線性分類，選擇類神經網路或是 support vector machines (SVM)。