1.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，只有给的了参数向量，决策边界就确定了。我们不是用训练集来定义决策边界的，而是用训练集来拟合决策边界，一旦有了确定的参数，就有了确定的决策边界。
2.线性回归的代价函数
逻辑回归的代价函数 （逻辑回归用于解决分类问题，即0-1分类）
h(θ)为预测值，当预测值h(θ)与真实值y不一致时，比如：h(θ)=1，但y=0，则损失函数会趋于无穷大，如下图
通过梯度下降优化参数
对J(θ)求导，到的的公式和线性梯度下降算法保持一致
线性回归梯度下降函数：
逻辑回归梯度下降函数：
- 对于一对多的分类问题，可以看做N个二分类问题，构造N个分类器，输入x后，从这N个分类器中选择概率值最多的作为最后的预测结果