Введение: Линейная регрессия использует наименьшую квадратичную ошибку в качестве функции потерь, которая дает выпуклую функцию потерь, а затем мы можем завершить оптимизацию, найдя ее вершину как глобальный минимум. Однако для логистической регрессии гипотеза изменяется, наименьшая квадратичная ошибка приведет к невыпуклой функции потерь с локальными минимумами путем вычисления с применением сигмоидной функции к исходным выходным данным модели. Тем не менее, мы хорошо знакомы с..