在统计学中，逻辑模型（或logit模型）是一种广泛使用的统计模型，在其基本形式中，使用逻辑函数来模拟二进制 因变量 ; 存在更复杂的扩展。在回归分析中，逻辑回归（或logit回归）是估计逻辑模型的参数; 它是二项式回归的一种形式。在数学上，二元逻辑模型具有一个具有两个可能值的因变量，例如通过/失败，赢/输，活/死或健康/生病; 这些由指示符变量表示，其中两个值标记为“0”和“1”。

在逻辑模型中，对数比值（在对数的的可能性），用于标记为“1”的值是一个线性组合的一个或多个自变量（“预测”）; 自变量可以是二进制变量（两个类，由指示符变量编码）或连续变量（任何实际值）。相应的概率标记为“1”的值可以在0（当然是值“0”）和1（当然值为“1”）之间变化，因此标记; 将log-odds转换为概率的函数是逻辑函数，因此是名称。所述测量单元为对数刻度赔率被称为分对数，也可以使用具有不同S形函数而不是逻辑函数的类似模型，例如概率模型 ; 逻辑模型的定义特征是增加一个自变量乘以一定常数的给定结果的概率。rate，每个因变量都有自己的参数; 对于二元自变量，这推广了比值比。

Logistic回归是由统计学家David Cox于1958 年开发的。二元逻辑回归模型对因变量的两个以上级别进行了扩展：具有两个以上值的分类输出通过多项Logistic回归建模，如果通过序数逻辑回归对多个类别进行排序，例如比例赔率序数逻辑模型。^[1]模型本身只是根据输入模拟输出概率，而不执行统计分类（它不是一个分类器），虽然它可以用来制作一个分类器，例如通过选择一个截止值并将输入概率大于截止值作为一个类别，在截止值之下作为另一个类别; 这是制作二元分类器的常用方法。与线性最小二乘法不同，系数通常不是通过闭式表达式计算的。