每天五分钟机器学习：逻辑回归算法的假设函数的意义究竟是什么？

本文重点

本节课程讲解决策边界这个概念，它能够帮助我们理解逻辑回归的假设函数究竟的意义是什么？

逻辑回归的假设函数：

上节课程中我们说过，逻辑回归的假设hθ(x)可以直观的理解为样本x对应y=1的概率p，也就是说在逻辑回归中是这样完成分类的：

当hθ(x)≥0.5时y=1，此时z≥0，样本x为正向类

当hθ(x)≤0.5时y=0，此时z≤0，样本x为负向类

又因为z=θTx，所以我们可以说：

θTx≥0的时候y=1，样本x为正向类

θTx≤0的时候y=0，样本x为负向类

举例1

现在假设我们有一个训练集如下所示：

我们可以看出这个数据集中每个样本有两个特征，分别为特征x1和x2,此时逻辑回归的假设函数为：

假设我们现在已经通过梯度下降算法拟合好了这个假设函数，拟合的结果为θ0=-3，θ1=1，θ2=1，那么假设