- classification and representation
- classification
二元分类、多元分类
- hypothesis representation（假设函数）
假设函数h（x）表示y=1的概率，范围（0,1）。
- decision boundary(决策边界)
决策边界是区分y=0和y=1的曲线
决策边界是假设函数的一个属性，和theta有关；
决策边界不是训练集的属性，而是假设本身及其参数的属性。不是用训练集来定义决策边界，而是用训练集来确定theta。
- 逻辑回归模型
- cost function(代价函数）
- simplified cost function and gradient descent
simplified cost function
梯度下降法用于逻辑回归的代价函数
- 使用其他高级算法最小化代价函数
fminunc无约束最小化函数，会自动选择算法
- multiclass classification
将多元分类问题（分为k类）转换为k个二元分类问题。
- solve the problem of overfitting
- the problem of overfitting
过拟合问题是训练集的数据都满足，但预测时出现泛化现象。
如果变量个数过多，样本数目过少容易出现过拟合。
解决方法：1、减少选取变量的数量（可能会使训练集拟合度降低）；2、正则化：保留所有变量但减小参数值或变量次数。
- cost function
lambda是正则化参数，如果lambda过大会使曲线过于平滑出现欠拟合现象，如果lambda过小则达不到使曲线变平滑的作用。
- 正则化用于线性回归
- 正则化用于逻辑回归