这是一个十分基础的分类算法
对于一个二分类问题，我们希望的应该是一条线将空间进行划分，在线的一侧是一类，另一侧就是另一类。
也就是说:
分为一类
分为另一类
然后由于是一个二分类问题，我们希望结果压缩到0 和 1 之间
那么我们首先应该想到的是
将传入
可以获得想要的结果
但是
以上的的数学性质不是很好，不是可导函数，因此要有适当的变形
和
非常像，而且h(x) 的数学性质就非常好，因此是非常常用的一种
的替代函数
那么我们应该怎么理解，显然
是一个连续函数，生成的是连续值 而非 只是 0 和 1 两个值
那么我们可以认为表示的是结果为1的概率，越大数结果越接近1 就相当于得1的可能性越大， 越小的数结果越接近0 代表结果为1的可能性越小。
开始推导
首先，设
所以：
写成更一般的形式：
因此如果向其传入的是真实的样本分类结果，那么它表示的是分类正确的概率，因此我们显然是想要它越大越好
也就是，我们希望越大越好
这样其实就已经很清晰了，我们想要更新，问题就在于如何增大
以下就是处理如何增大
全是乘法的，因此取log会使计算更加简单
传统的梯度下降法能获得的是局部最小值，这里面我们想要局部最大值，因此，修改公式，变成梯度上升法
求得结果:
以上就是更新公式的全部推导
