对数几率回归（logistic regression）逻辑回归
对于二分类任务，最理想的是用“单位阶跃函数”（unit-step function）
需要将线性回归模型产生的预测值 转换为0/1值。
但是单位阶跃函数不连续，于是用对数几率函数 (logistic function) 作为替代函数：
对数几率函数是一种“sigmoid”函数。它将z值转化为一个接近0或1的 值，并且其输出值在
附近变化很陡。
将 代入
,得到
。
可将其变化为 ,
若将 视作样本
作为正例的可能性，则
是其反例的可能性，两者的比值
称为“几率”（odds），反映了
作为正例的相对可能性。则几率取对数则得到“对数几率”（log odds，亦称logit）：
。
由此可看出， 实际上是在用线性回归模型的预测结果去逼近真实标记的对数几率，因此，其对应的模型称为“对数几率回归”（logistic regression，亦称 logit regression）。
参考：周志华《机器学习》