垃圾分类器帮助市民确定垃圾的类别
我们已经通过线性回归模型成功解决了回归问题，本课就来处理分类问题。分类问题与回归问题，是机器学习两大主要应用。
分类问题覆盖面很广泛：有二元分类，如根据考试成绩推断是否被录取、根据消费记录判断信用卡是否可以申请，以及预测某天是否将发生地震等；有多元分类，如消费群体的划分、个人信用的评级等；还有图像识别、语音识别等，在本质上也是很多个类别的分类问题。
垃圾分类器帮助市民确定垃圾的类别
本课要讲的专用于分类的机器学习算法，叫逻辑回归（logistic regression），简称Logreg。
“等等，咖哥。”小冰问道，“你刚才说，机器学习两大主要应用是回归问题和分类问题，可你又说这个逻辑回归算法，专用于分类问题，这我就不明白了，专用于分类问题的算法，为什么叫逻辑回归，不叫‘逻辑分类’算法呢？”
“哈哈。”咖哥说，“你这就有点咬文嚼字了。逻辑回归算法的本质其实仍然是回归。这个算法也是通过调整权重w和偏置b来找到线性函数来计算数据样本属于某一类的概率。比如二元分类，一个样本有60%的概率属于A类，有20%的概率属于B类，算法就会判断样本属于A类。”
咖哥接着说：“不过，在介绍这些细节之前，还是先看本课重点吧。”
“Stop！咖哥，”小冰听说了逻辑回归能解决各种分类问题之后，突然喊道，“我想到了我的一个朋友现在正在做的一个医疗产品，也许这个逻辑回归机器学习模型可以帮到他！”
“好啊，那不妨先听一听你的具体需求吧。”咖哥回答。