通俗解释
先像线性回归一样算一个得分，再用 sigmoid 压到 0~1 之间当作概率。用交叉熵损失训练，神经网络最后一层的 softmax 分类其实就是它的多类版本。
用在哪里：信用评分、点击率预估、医学风险模型
01原始论文
The Regression Analysis of Binary Sequences
Cox et al. · Journal of the Royal Statistical Society Series B: Statistical Methodology · 1958
DOI ↗ ✓ 已核实 · Crossref API doi:10.1111/j.2517-6161.1958.tb00292.x
02知识位置
左边先学；右边是学完它之后可以学的。
相关：感知机
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
U13 概率、统计与信息论 分布、期望、贝叶斯、最大似然、交叉熵与 KL 散度。 12 小时3 个算法0 篇论文 U20 机器学习流程：数据、损失与泛化 训练/验证/测试划分、过拟合、偏差-方差、交叉验证与评估指标。 10 小时3 个算法1 篇论文已有正文
所在学习路线：从零到深度学习
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
logistic-regression)