邏輯迴歸是 iPAS 分類基本款(初級科目一、中級科目三)。重點:輸出機率(Sigmoid)、以交叉熵為損失、係數可解讀成勝算比,可加 L1 或 L2 正則化、用於多元(Softmax)。易混點:名為迴歸實為分類;它是線性分類器,複雜非線性邊界要靠特徵工程或換模型。情境:作為基準模型(baseline),也常用於風控評分卡。
想練情境題與詳解 → AI 學習與考證地圖
名稱有迴歸，實際是分類模型；用 Sigmoid 輸出 0 到 1 的機率，再以門檻(預設 0.5)轉成類別。
Sigmoid 把線性輸出壓到 0 到 1 之間，可解讀為屬於正類的機率，適合二元分類。
交叉熵(對數損失)；它懲罰有信心卻錯誤的預測，優化目標是讓預測機率貼近真實標籤。
線性迴歸預測連續值、用均方誤差；邏輯迴歸預測機率與類別、用 Sigmoid 與交叉熵。
簡單、快、可解釋(係數對應勝算比)、輸出機率；是分類的常用基準模型，適合線性可分或近線性的問題。