实验步骤与内容： 1. 下载数据包ex3Data.zip并解压。 2. 对于这个练习，假设一所高中有一个数据集，代表40名被录取的学生和40名未被录取的学生。 每个(x (i)，y(i)) 数据包括两个标准化考试中学生的分数和学生是否被录取的标签。任务是建立一个二元分类模型，根据学生在两次考试中的成绩来估计大学录取机会。 3. polt data:使用不同的符号来表示录取结果，画出图像。 4. 假设模型的函数为sigmoid function： 进行求最优解的代价函数cost function

用C++写的逻辑回归的梯度下降算法，其中有训练集样本，也可以自己选择训练样本，代码还可以进一步优化，你可以试一试。

机器学习中的逻辑回归实验，有一组学生高考成绩及录取情况数据集，训练一个逻辑回归模型，使之可以对一组成绩进行分类，判断这组成绩是否能被学校录取。通过两种方法（牛顿法和梯度下降法）分别优化逻辑回归模型中的theta值，并依据所得的theta值绘制决策边界，利用所得的回归模型进行预测。