名回归，实分类
尽管名字中有"回归"一词，但逻辑回归实际上是一种分类算法，用于预测离散的类别标签。
逻辑回归广泛应用于二分类问题。
概率
逻辑回归通过计算数据属于各类别的概率来进行分类。
因为使用概率进行分类，逻辑回归的输出范围必须限制在 0 和 1 之间。
Sigmoid
逻辑回归使用 Sigmoid 函数，返回 0 和 1 之间的数值。
二元分类通常将预测概率 0.5 作为阈值进行分类。
决策边界
决策边界（Decision boundary）是分类算法中的一个概念，用于分隔不同类别的样本。它表示了模型在特征空间中做出分类决策的界限
逻辑回归的决策边界是计算出的概率正好为 50% 的地方。
决策边界的形状因使用的算法不同而有很大的不同。在平面的情况下，逻辑回归的决策边界是直线。