Q1分类问题
回归问题的输出可能是很大的数，而在分类问题中，比如二分类，希望输出的值是0或1，如何将回归输出的值转换成分类的输出0,1成为关键。注意logistics回归又称
逻辑回归，但他是分类问题，而不是回归问题。
Q2假说表示
其中：
sigmoid函数
hθ（x）的作用是，对于给定的输入变量，根据选择的参数计算输出变量=1的可能性即hθ（x）=P(y=1|x;θ)。
Q3判定边界
g(z)中的z即为判定边界，如下
Q4代价函数
如果用之前回归时用的平方损失函数，代价函数将是非凸函数，会收敛到局部最优，而不是全局最优。
定义新的代价函数：
求导结果：
虽然式子看上去与回归的相同，但是hθ（x）实际定义不一样，所以二者是两回事。
Q5简化的成本函数和梯度下降
Q6高级优化
共轭梯度法、变尺度法、限制变尺度法。
Q7多类别分类：一对多
将某一类分为一类，剩余的其他类分为另一类，如下所示：
得到多个分类器，取分值最高的分类器作为判别：
吴恩达视频里面关于整个公式推导的过程并不详细，也没有完整的代码，下面是网上找到的两个链接，可以作为学习该节内容的一个补充：
词汇补充
classification ---分类
hypothesis representation ---假设陈述
decision boundary ---判定边界
cost function ---代价函数
convex optimization ---凸优化函数
advanced optimization ---高级优化