判断垃圾邮件，这个分类问题的输出是[0, 1]，只有固定的两个输出值，这称之为二元分类问题。在生活中有许多另外的分类问题，给定一张数字的图像，判断是数字几；自动将邮件归类，归为工作，朋友，家人等等，这就是一个多元分类问题了。

了解什么是欠拟合和过拟合，以及使用正则化来解决过拟合问题，正则化后的的代价函数和梯度下降算法的使用。

了解逻辑回归的梯度下降算法和公式，以及用向量化的方式来求解。

了解逻辑回归的代价函数方程

了解分类算法和逻辑回归模型的特点，以及S型函数的作用和决策边界在分类算法中的应用。

使用正规方程来求解参数 $\theta$，以及正规方程和梯度下降算法的区别，两种算法在何时使用。

了解特征值缩放的两种方法，以及特征值缩放对梯度下降算法的帮助。

多变量线性回归问题上梯度下降算法的使用，用向量形式表现预测函数。

已知了代价函数 J,如何通过梯度下降来最小化代价函数，从而获得正确的预测函数。

了解代价函数的作用，以及通过最小化代价函数来得到最优的预测函数...