1、Logistic 回归通常用于不同的分类问题，旨在通过观察现有目标类预测所属的类别。通常所给的是离散的二值数据，介于0和1之间。Logistic回归最常见的例子是在选举期间民众的投票情况。
Logistic回归模型采用潜在的logistic函数得到估计概率值，来衡量独立变量（通常是我们要预测的标签值）与一个或多个非独立变量（我们的特征值）之间的关系。Logistic函数，也被称为sigmoid函数，这是一个S型曲线函数，它能够将估计的概率值转换为二进制0或1，以便模型预测得到的结果。
与线性回归模型得到的连续型输出不同，Logistics回归最终的结果是离散的。
2二值图的意思是数组中只有0和1两位数，要么黑，要么白
3工作库被称为线性模型库，之所以被称为线性是因为logistic回归是一个线性分类器，这意味着，由于我们在二维空间，我们的两类用户将被一条直线分开，然后导入逻辑回归类，接下来，我们将从这个勒种创建一个新对象，它将是我们的分类我，我们将把它放入我们的训练集中。