今天到了第四个点，logistic regression也就是逻辑回归，主要是用来回答二分类的01问题。今天先粘代码，明天再继续更深入的解读内在原理。
https://github.com/DuLiCS/100-days-of-ml/tree/master/day%20four

第三天是多元线性回归，比起一元线性回归略微复杂一点点，但是在代码层面并没有太多复杂的地方，唯一有点复杂的点在于虚拟变量陷阱，大概明白，但是理解的并不是非常透彻。
https://github.com/DuLiCS/100-days-of-ml/tree/master/day%20three

今天的内容非常简单，一维线性回归
简单的拟合 测试 十分钟左右即可完成
github已更新 照例贴出链接
https://github.com/DuLiCS/100-days-of-ml/tree/master/day%20two

第一天的内容已经完结，非常简单，主要是数据预处理，总结起来就是

[li]数据和所用库的导入[/li][li]处理缺失数据[/li][li]将数据集中的非数值内容转化为数值[/li][li]数据标准化[/li]

第一天的内容，主要是jupyter的ipynb文件，每天的更新都会发在GitHub上。day one ipynb文件