个人总结：
1、这一篇文章主要是证明性的东西为主，所以说数学公式相对较多，原文笔记作者省略了一些东西，没有和上文很好衔接，所以初学者不一定看明白，建议结合斯坦福机器学习原文讲义（是英文的，没找到有全文中文翻译版的）看一看，如果刚入门对公式的推导就迷糊，说明你有必要去学一些数学基础。
2、结合上一篇文章中提到的梯度下降方法，本文提出了一种更快的迭代方法，叫牛顿方法。原文中公式(1)都能看懂，一转眼怎么就变公式(2)了呢？不知有没有对此迷糊的朋友，其实原文作者这么写确实存在误会，实际上公式(2)不应该写成f(theta)的形式，而是L(theta)，而L(theta)是谁？就是上篇文章中提到的似然估计函数:
写成对数形式为：
求导后：
所以说公式(2)中的f‘(theta)其实就是
，而f‘‘(theta)就是对上式再次求导。
3、上文中提到牛顿方法迭代速度快，并提到它是二次收敛，想必很多人想问啥是二次收敛，为啥就快呢？简单的说就是牛顿方法考虑了梯度的梯度，在二阶函数中可以直接找到最快的下降方法，一步到位，实际上它是采用二次曲面去拟合当前位置的曲面，而梯度下降是用平面去拟合当前曲面。如果你还不理解，看下面这张来自wiki的图，
红色的线是牛顿法，绿色的线是梯度下降法，通俗的理解就是梯度下降属于贪心算法，走一步看一步，每次都选当前梯度最大方向下降，而牛顿法可以考虑梯度的梯度，具有全局眼光，它会考虑你走完一步后的梯度是否会变大，所以更符合真实的最优下降策略。这里面涉及的一些理论、数学证明以及凸优化理论可以参考：最优化问题中，牛顿法为什么比梯度下降法求解需要的迭代次数更少？以及梯度-牛顿-拟牛顿优化算法和实现
4、关于上篇文章中最后提到的问题，为什么逻辑回归算法与最小二乘法最后公式的形式很像，本文已给出证明，它们都属于指数分布家族，而且借此引出了广义线性回归的模型，这部分数学推导较多，数学基础不是很好的可以看下英文讲义原文，实在看不懂就记个结论吧。
5、关于牛顿方法，上文提过，有一个H(n*n，实际为(n+1)*(n+1)包括x0截距项，n为属性个数)矩阵，所以n不能太大，牛顿方法可以与随机梯度下降结合使用，先利用随机梯度下降找到最优值附近的点，再利用牛顿法，效果会更好一些。
6、关于多分类的问题，实际上是二分类的一种推广，对于多分类的问题，多使用树模型，回归树、分类树等