【摘要】：，i）的作用下发生的概率为P，不发生的概率为1－P，则Logistic回归模型定义为：其中β0称为常数项或截距，β1，β2，…，βi称为Logistic模型的回归系数。从Logistic回归模型的定义公式（4-1）可以看出，Logistic回归模型是一个概率型非线性模型，当β0＋β1 x1＋β2 x2＋…图4-1Logistic函数的图形为了方便理解和解释Logistic回归模型的意义，我们可以将公式（4-1）转换为自变量的线性表达模式。
设某事件y在影响因素xi（i＝1，2，3，…，i）的作用下发生的概率为P，不发生的概率为1－P，则Logistic回归模型定义为：
其中β0称为常数项或截距，β1，β2，…，βi称为Logistic模型的回归系数。从Logistic回归模型的定义公式（4-1）可以看出，Logistic回归模型是一个概率型非线性模型，当β0＋β1 x1＋β2 x2＋…＋βi xi在（－∞，＋∞）间变化时，P在区间（0，1]之间变化，β0＋β1 x1＋β2 x2＋…＋βi xi和P的关系如图4-1所示，其中自变量xi可以任意取值，自变量的类型可以是数值变量，也可以是分类变量，从而满足了实际问题中不同变量的取值要求。
图4-1 Logistic函数的图形
为了方便理解和解释Logistic回归模型的意义，我们可以将公式（4-1）转换为自变量的线性表达模式。(www.xing528.com)
首先，定义事件发生概率与事件不发生概率的比为事件发生比（odds），表达式为：
那么，将公式（4-2）两边同取对数，就可以得到概率的函数与自变量之间的线性表达式：
需要注意的是，经过转换之后的公式（4-3），等式左边的取值范围由原来的（0，1]变为了（－∞，＋∞）。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
