Logistik regressiya-bu qaram o'zgaruvchining ehtimolligini topish uchun boshqariladigan statistik texnika(o'zgaruvchida mavjud bo'lgan sinflar) Logistik regressiya deb nomlangan funktsiyalardan foydalanadi logit funktsiyalari,bu yuzaga kelish ehtimoli yoki ehtimolini bashorat qilish orqali bog'liq o'zgaruvchi va mustaqil o'zgaruvchilar o'rtasidagi munosabatni keltirib chiqarishga yordam beradi.Logistik funktsiyalar (sigmasimon funktsiyalar deb ham ataladi) ehtimollarni ikkilik qiymatlarga aylantiradi, bu esa bashorat qilish uchun ishlatilishi mumkin.
Logistik regressiya-bu kirish o'zgaruvchisi berilgan diskret natija ehtimolini modellashtirish jarayoni. Eng keng tarqalgan logistik regressiya modellari ikkilik natija; true/false, ha/yo'q va hokazo kabi ikkita qiymatni qabul qilishi mumkin bo'lgan narsa. Multinomial logistik regressiya ikkitadan ortiq diskret natijalar mavjud bo'lgan stsenariylarni modellashtirishi mumkin. Logistik regressiya-bu tasniflash muammolari uchun foydali tahlil usuli, bu erda siz yangi namunaning toifaga eng mos kelishini aniqlashga harakat qilyapsiz. Kiber xavfsizlikning aspektlari hujumni aniqlash kabi tasniflash muammolari bo'lgani uchun, logistik regressiya foydali analitik usuldir. Logistik regressiya
Logistik regressiya ikkilik tasniflash muammolari uchun ishlatiladigan yana bir kuchli nazorat qilinadigan ML algoritmi (maqsad kategorik bo'lganda). Logistik regressiya haqida o'ylashning eng yaxshi usuli bu chiziqli regressiya, ammo tasniflash muammolari uchun. Logistik regressiya asosan ikkilik chiqish o'zgaruvchisini modellashtirish uchun quyida belgilangan logistik funktsiyadan foydalanadi (Tolles & Meurer ,2016). Lineer regressiya va logistik regressiya o'rtasidagi asosiy farq shundaki, logistik regressiya diapazoni 0 va 1 orasida chegaralangan. Bundan tashqari, aksincha chiziqli regressiya, logistik regressiya kirish va chiqish o'zgaruvchilari o'rtasida chiziqli bog'liqlikni talab qilmaydi. Bu farq nisbati bir chiziqli bo'lmagan log o'zgarishlarni qo'llash tufayli (qisqa belgilangan bo'ladi).