非線形回帰の手法のひとつ。
いくつかの要因（説明変数）からある事象が発生する確率を求める統計手法。
多変量解析の手法のひとつ。
「二値分類」と「多クラス分類（目的変数が３つ以上）」の両方に適用できる。
＜ロジスティック回帰の例＞
腫瘍が陽性か陰性かを予測する（二値分類）
画像に映っているのが犬か猫かを予測する（二値分類）
身長と体重から服のサイズ（S、M、L）を予測する（多クラス分類）
アヤメのデータから「セトサ種」「バージニカ種」「バージカラー種」の3品種に分類する（他クラス分類）
マーケティングにおいて、ユーザーが、次に購買行動を取る確率を予測するなどのケースでも利用される。
二値分類の問題ではシグモイド関数を用いる。
シグモイド関数は出力値が０と１の間に収まるよう正規化されているため、出力値を「ある事象が起きる確率」と解釈できる。
多クラス分類の問題では、ソフトマックス関数を使用する。
ソフトマックス関数は、各クラスの出力値が０と１の間にあり、全クラスの出力の合計値が１になるように正規化される。
＜ロジスティック回帰の流れ＞
目的関数としては、尤度関数を用いる。
１）対数オッズと呼ばれる値を、重回帰分析により予測する。
２）対数オッズにシグモイド関数（ロジスティック関数）を施すことで、クラスiに属する確率Piの予測値を求める。
３）各クラスに属する確率を計算し、最大確率を実現するクラスが、データが属するクラスと予測する。
（シグモイド関数（ロジスティック関数）を施すことで、出力値が０～１の間の値に正規化され、確率として解釈が可能になる。）
