分类问题，希望分类器的输出值在 0 和 1 之间，因此，假设函数需要满足预测值要在 0 和 1 之间。

回归模型的假设是： $h_\theta(x)=g(\theta^TX)$ 其中：
X 代表特征向量
g 代表逻辑函数（logistic function）, 是一个常用的逻辑函数为 S 形函数（Sigmoid function），公式为： $g(z) = \frac{1}{1+e^{-z}}$

该函数的图像为：

#python 代码实现sigmoid函数：
import numpy as np
def sigmoid(z):
    return 1 / (1 + np.exp(-z))

结合起来，获得逻辑回归的假设： $h_\theta(x) = \frac{1}{1+e^{-\theta^TX}}$

$h\_\theta(x)$ 的作用是，对于给定的输入变量，根据选择的参数计算输出变量为1 的可能性（estimated probablity），即：

$h_{\theta}(x) = P(y=1|x;{\theta})$

例如，如果对于给定的 x，通过已经确定的参数计算得出 hθ(x)=0.7，则表示有 70%的几率 y 为正向类，相应地 y 为负向类的几率为 1-0.7=0.3