Logistic Regression（邏輯迴歸）是一種監督式機器學習演算法，主要用於二元分類問題。它與線性迴歸不同，目的是預測事件發生的機率（概率值介於0到1之間），並根據概率將輸入資料分類到兩個類別之一。Logistic Regression利用sigmoid函數（邏輯斯函數）將線性組合的輸入特徵轉換為介於0和1之間的概率。
數學模型定義為：
其中，p 是事件發生的概率，w 為權重向量，x 是輸入特徵，b 是偏差項。模型輸出概率值後，通常以0.5做為閾值將結果分類為0或1。
Logistic Regression的主要特點包括：
- 專門解決分類問題，尤其是二分類問題。 假設自變量與log-odds（勝算比的對數）呈線性關係。 模型參數可用於解釋特徵與結果的關聯性。 算法簡單、計算效率高，且結果容易理解和解釋。 可擴展至多分類（多項式）和有序分類問題。
實際應用層面，Logistic Regression廣泛用於醫療診斷、金融信用評估、市場營銷、社會科學等領域，幫助預測是否發生某事件（例如，客戶是否流失、病人是否患病）。
