logistic回归（Logistic Regression），不同于线性回归（Regression），是一种分类算法
，y=1 或 y=0
sigmod 函数/logistic 函数
假设陈述
estimated probability that y=1 on input x
决策边界
代价函数
注：
的形式注定Cost的选择不能线性回归里不一样，线性回归里的Cost Function（平方差和）的形式会使得最终J的结果震荡，不利于最终收敛，从而可能只能得到局部最优解。也就是说最终J的结果不满足凸优化（Convex Optimization）。
简化版代价函数与梯度下降
goal: 
gradient descent:
线性回归中
，逻辑回归中
。
注：特征缩放有助于加快收敛速度。
高级优化
“Conjugate gradient”, “BFGS”, and “L-BFGS” are more sophisticated, faster ways to optimize θ that can be used instead of gradient descent.
多元分类：一对多
将n元分类问题划分为n个二元逻辑回归分类问题，最后取预测值最准的分类器。