In statistieken wordt het logistieke model (of logit-model) gebruikt om de waarschijnlijkheid van een bepaalde klasse of bestaande gebeurtenis te modelleren, zoals slagen / mislukken, winnen / verliezen, levend / dood of gezond / ziek. Dit kan worden uitgebreid om verschillende soorten gebeurtenissen te modelleren, zoals bepalen of een afbeelding een kat, hond, leeuw, enz. Bevat. Elk object dat in de afbeelding wordt gedetecteerd, krijgt een waarschijnlijkheid tussen 0 en 1 toegewezen, met een som van één.
Logistische regressie is een statistisch model dat in zijn basisvorm een logistieke functie gebruikt om een binair afhankelijke variabele te modelleren, hoewel er veel complexere uitbreidingen bestaan. Bij regressieanalyse is logistische regressie [1] (of logitregressie) het schatten van de parameters van een logistiek model (een vorm van binaire regressie). Wiskundig gezien heeft een binair logistiek model een afhankelijke variabele met twee mogelijke waarden, zoals geslaagd / mislukt, die wordt weergegeven door een indicatorvariabele, waarbij de twee waarden worden aangeduid met "0" en "1". In het logistieke model is de log-odds (de logaritme van de odds) voor de waarde met het label "1" een lineaire combinatie van een of meer onafhankelijke variabelen ("voorspellers"); de onafhankelijke variabelen kunnen elk een binaire variabele zijn (twee klassen, gecodeerd door een indicatorvariabele) of een continue variabele (elke reële waarde). De overeenkomstige waarschijnlijkheid van de waarde met het label "1" kan variëren tussen 0 (zeker de waarde "0") en 1 (zeker de waarde "1"), vandaar de labeling; de functie die log-odds omzet in waarschijnlijkheid is de logistieke functie, vandaar de naam.