Logistic Regression

释义 Definition

逻辑回归：一种常用于分类（尤其是二分类）的统计/机器学习方法。它用输入特征的线性组合去预测某个事件发生的概率（0 到 1 之间），并常通过对数几率（log-odds）与 Sigmoid（逻辑）函数来建模。（也可扩展到多分类：多项逻辑回归。）

发音 Pronunciation (IPA)

/ləˈdʒɪstɪk rɪˈɡrɛʃən/

例句 Examples

Logistic regression predicts the probability that an email is spam.
逻辑回归可以预测一封邮件是垃圾邮件的概率。

After training a logistic regression model with regularization, we evaluated it using AUC and calibrated the predicted probabilities.
在用正则化训练逻辑回归模型后，我们用 AUC 进行评估，并对预测概率做了校准。

词源 Etymology

“logistic”源自“logistic function（逻辑函数）”，其名称与“logit（对数几率）”相关；“regression（回归）”原本指用数学模型描述变量关系的拟合方法。尽管名字里有“回归”，逻辑回归在机器学习中主要用于分类，其历史上来自统计学对二元结果（是/否）建模的传统。

相关词 Related Words

• Classification
• Probability
• Odds
• Logit
• Sigmoid
• Likelihood
• Maximum Likelihood
• Regularization
• Binary
• Multinomial

文学与名著用例 Literary Works

• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）中在分类章节系统讨论逻辑回归及其与线性判别等方法的关系。
• An Introduction to Statistical Learning（James, Witten, Hastie, Tibshirani）以入门方式讲解逻辑回归、评估指标与实际案例。
• Pattern Recognition and Machine Learning（Christopher M. Bishop）在概率判别模型部分介绍逻辑回归与最大似然估计。
• Applied Logistic Regression（Hosmer, Lemeshow, Sturdivant）专门围绕逻辑回归的建模、诊断与应用展开。