邏輯迴歸是機器學習從統計領域借用的又一項技術。它是二元分類問題（即只有兩種型別的分類問題）的首選方法。

邏輯迴歸和線性迴歸的類似之處在於，其目標是找到每個輸入變數的權重係數。

與線性迴歸的不同點是，邏輯函式是非線性函式，邏輯迴歸使用非線性的邏輯函式對輸出結果進行轉換。

邏輯函式看起來像一個大S，能夠將任何值轉換為0到1的範圍。

這很有用，因為我們可以對邏輯函式的輸出應用一個規則，把數值轉換到0和1之間的值（比如，如果小於0.5， 然後輸出0），從而預測是哪一個類。

鑑於模型的學習方式，邏輯迴歸所做的預測也可以當作是給定資料例項屬於型別0或型別1的概率。這對於需要對預測結果給出依據的問題很有幫助。

類似於線性迴歸，當你刪除與輸出變數無關的屬性，以及彼此非常相似（相關）的屬性時，邏輯迴歸演算法會工作地更好。

邏輯迴歸是解決二元分類問題的模型，快速且有效。