1、什麽是分類問題，什麽是回歸問題？區別在哪裏？有沒有聯系？

　　分類問題：是對輸入數據求一個具體的值，例如簡單的二分類，只存在兩種情況，要麽在參考直線的左邊，要麽在參考直線的右邊，根據外表特征預測一個人是男還是女。

回歸問題：是對輸入數據求一個逼近真實結果的幾率，比如預測高考結果能上清華北大的幾率。

2、線性回歸，邏輯斯蒂回歸，擬合函數，損失函數，梯度下降，學習率，正則化，Sigmoid函數之間的聯系？

　　參考：

　　　梯度下降法解線性回歸

梯度下降法解邏輯斯蒂回歸 - eric.xing - 博客園

　　　應用機器學習建議

　梯度下降法解神經網絡

　　Logistic回歸的步驟為：

1. 設定擬合函數（hypothesis function）：h_θ(x)，其意義是給定參數θ，根據輸入x，給出輸出h_θ(x)，當輸出值大於0.5時預測錄取，否則預測被拒。
2. 設定代價函數（cost function）：J(θ)，其意義是累加所有樣本的 預測結果h_θ(x) 與 真實結果y 之間的差距。
3. 利用梯度下降法，來調整參數θ，使得代價函數J(θ)的值最小。

機器學習問題匯總