今天开始机器学习进一步学习，有关分类问题的相关知识。
分类问题所关注的数据有较为明显的分类趋势。以二元问题为例。数据以某一边界，分为或者大致分为两个区域，用y来表示两者的值的话，就是y的取值只有0或1两个可能。
分类问题所用到的算法为逻辑回归，就是将值约束在0和1之间。比如sigmoid函数，当x趋近于正无穷时，函数值趋近于1；当x趋近于负无穷时，函数值趋近于0。此时函数值可以表示为预测结果为1或0的可能性。
而在多类分类问题上面，可以采取一对多(one-vs-all)策略，即将每个类别单独计算，把其他类别统一看作负样本，来进行分类任务。
另外，除了梯度下降算法，还有其他优化算法，相比梯度下降算法，优化算法可以不用选择学习率，从而获得更快的收敛速度，但是会更加复杂。
原文：https://www.cnblogs.com/junenatte/p/13145109.html