简介：本课程从逻辑回归的定义及其在机器学习所处地位入手，深入浅出的分析和推导逻辑回归算法的数学原理。以逻辑回归原理为基础，采用python语言，实际的开发一个基于梯度下降法的逻辑回归模型；并根据模拟的数据集，对模型的预测效果作出量化的评估。
第1章 课程介绍
本章中将介绍逻辑回归的基本概念，阐述逻辑回归的基本性质和建模过程，并指出逻辑回归在机器学习学科中所处的类别和地位。
第2章 逻辑回归的原理
本章中将讲述似然函数、极大似然估计法的基本概念，并用其建立逻辑回归算法的损失函数。阐述函数梯度的定义和计算过程，对逻辑回归损失函数进行最优化求解。
第3章 逻辑回归的代码实现
本章中将简述在课程中，所使用数据集构建的方法及其基本信息。并对采样误差的广泛性进行说明。通过python代码，开发基于梯度下降法的逻辑回归模型。
第4章 逻辑回归模型应用
本章中将分析逻辑回归拟合的本质，简述过拟合的定义、现象、危害性、以及常用的解决办法。确定逻辑回归的几个重要入参，分析模型参数对分类效果的影响作用。