Add. A story about the Logistic regression

机器学习算法理论及应用/李航——统计学习方法/6.逻辑斯蒂回归与最大熵.md

@@ -6,3 +6,22 @@ Knowledge tree
 
 ![1618835422531](assets/1618835422531.png)
 
+相较前面的算法，性能更好，也更符合工业场景
+
+
+
+### 一个逻辑斯蒂回归回归的故事
+
+A story about the Logistic regression
+
+1. 之前的f(x) = sign(w*x+b)只输出+1和-1，这样的判别方式真的有效吗？
+2. 超平面左侧0.001距离的点和超平面右侧0.001距离的点真的有天壤之别吗？
+
+![1618839609843](assets/1618839609843.png)
+
+> 如上面两个黑点，明明只差分毫，却变成了+1或者-1。这也是感知机的缺陷
+
+**我们想要解决的：**
+
+1. 怎么解决极小距离带来的+1和-1的天壤之别
+2. 怎么让最终的预测式子连续可微