ロジスティック回帰モデル（ロジスティック回帰モデル）パラメータ化ロジスティック分布の形で、ソフト分類判別モデルの一種です。
バイナリ次のようにモデルが定義されています、
訓練データの所与のセットについて
、前記
モデルのパラメータの推定する最尤法とすることができます。
対数尤度関数は次のようになります。
上記導出尤度関数は、損失関数を最小化するために変換することができます。最大尤度関数を求めるために、勾配降下法を推定するため
、最大値を尤度関数を得ます。
以下のように設定英フルールsklearn試験データにロジスティック回帰コードの調製および使用を参照して、MUチュートリアルレッスン：
図1-1ロジスティック回帰でコードを書きます
図1-2テスト
ロジスティック回帰は、2つの種類があり、マルチ分類モジュールsklearn使用し、マルチ分類タスクとすることができるoneVSoneとoneVSrestは、oneVSoneは、多クラス分類のペアワイズ比較を必要とすることを意味しているが、より回数の比較が、その分類正解率が比較的高く、かつ著しく低い行くoneVSone比較して、比較の数が、その分類の精度を減少がoneVSrestは、統一されたクラスなどの他のクラスと比較してのいくつかの並べ替えを行います。