簡單回顧
在ML_Day2(機器學習種類)機器學習種類有稍微提到什麼是Regression及與classification的差異。

介紹
以病人罹患心臟病為例子，之前介紹binary classification時，系統透過病人的資料，來判斷是否有心臟病，但現在想知道，經過一段時間後病人心臟病發的風險是多少，所以我們所感興趣的是一個0~1的值。所以跟binary classification是有差異的，我們不是要知道結果是o或x，我們想要知道的是o或x的機會有多少，所以有些人又稱之為”soft classification”。

• soft binary classification
  之前在做二元分類時，input是病人的特徵值，然後透過w*x輸出的值來判斷其正負，決定是+1或-1，但是現在希望把這個訊息反映到0~1之間的數值。
  從下圖可以知道，我們想知道output=+1機率是多少，例如y1'=0.9，代表+1的機率為0.9，那實際上y1是o，y2'=0.2，代表+1的機率為0.2，y2'=x（機率0.2，表示y2'為x機會相對較高）

• Logistic Hypothesis
  我們有了資料後，代入下面的式子（跟之前linear regression一樣），但是如果要得到介於0~1的值，必須要把輸出的值代入θ函數作轉換，這個函數就叫做logistic function，又稱為sigmoid function。