算法思想:根据现有数据对分类边界建立回归公式，以此分类。
训练分类器的做法就是寻找最佳拟合参数，使用最优化算法。
特点：大部分时间用于训练（确定参数），在确定参数以后分类将会很快
基于Logistic回归和Sigmoid函数分类：
优点：计算代价不高，易于理解和实现。
缺点：容易欠拟合，分类精度可能不高。
适用数据类型：数值型和标称型数据。
为了实现Logistic回归分类器，我们在每个特征上都乘以一个回归系数，然后求和值为Z,将Z带入Sigmoid函数中，进而得到一个值，四舍五入，即得出分类结果。
回归系数的确定方法：
梯度上升法，
梯度下降法
随机梯度上升法（在线学习算法）