版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/as472780551/article/details/86554878
Logit模型
Logit模型（Logit model，也译作“评定模型”，“分类评定模型”，又作Logistic regression，“逻辑回归”）是离散选择法模型之一，Logit模型是最早的离散选择模型，也是目前应用最广的模型。是社会学、生物统计学、临床、数量心理学、计量经济学、市场营销等统计实证分析的常用方法。
一、logit值的来源
逻辑回归一般将因变量二分类变量的0-1转变为频率[0,1]，变成odds（优势比，[0,+∞]），然后log一下成为Logit值([-∞,+∞])。
利用logit=Y进行建模，得到Logit之后就可以根据其进行计算概率。
Logit=经济学上的效用，效用是一个连续变量，logit模型相当于是效用建模。
所以一般来说，逻辑回归出来的系数都是logit值的系数，需要转化为概率值。
简单的理解可以认为是：
输入是x，输出是y，中间有个临时变量是t。w和b是模型参数。h(t)是属于某个类别的概率，大于0.5认为属于这个类别，即y=1。
简便起见，我们可以认为b始终和一个值为1的w相乘。于是我们把b放入w。模型简化为
这就是逻辑回归的公式，非常简单
Sigmoid