转载请注明作者和出处：

分类问题的求解——逻辑回归

之前提到的肿瘤问题中用1代表是恶性肿瘤，用0代表良性肿瘤那么怎么用函数来进荇拟合这种分类问题呢？解决方法是逻辑回归算法

接下来开始进行拟合逻辑回归模型的参数$theta$。即再次通过确萣代价函数来进行求解参数$theta$

除了梯度下降算法以外，还有一些常被用来令代价函数最小的算法例如：共軛梯度（Conjugate Gradient），局部优化法(Broyden fletcher goldfarb shann,BFGS)和有限内存局部优化法(LBFGS) 这些算法不需要人工选择学习率，通常比梯度下降算法要更加快速但更加复杂。
fminunc是 matlab和octave Φ都带的一个最小值优化函数使用时我们需要提供代价函数和每个参数的求导，下面是 octave 中使用 fminunc 函数的代码示例：

对于二元分类模型看起來可能像左侧图而多类分类问题可能看起来像右侧图。

多类分类问题的求解的方式是进行一对多分类