對數機率迴歸不是迴歸，是分類。
1.對數機率迴歸的形式 由線性迴歸的y=WX轉化爲 y_pre=sigmoid(WX)即是對數機率迴歸
2.對數機率迴歸的名字來由（對數機率優化的本質）：
2.1由於上述1中的優化目標是希望預測y_pre=即sigmoid(WX)儘可能等於分類標記y
2.2由sigmoid函數可以得到，即希望WX儘可能等於ln(y/(1-y))。
2.3由於預測目標y爲1時是正例，y爲0時是負例，因此y的值可以視爲樣本爲正例的概率，同時1-y即可以視爲樣本爲負例的概率。
2.4另y/(1-y)即正例概率與負例概率的比值（一個相對概率），通常稱爲機率，而ln(y/(1-y))則稱爲對數機率概率
綜合2.2、2.4說明對數機率迴歸的目標是使WX儘可能等於對數機率，這就是對數機率迴歸名字的來由。
3.如何進行具體的最優化
3.1對於任意樣本，預測值爲正例的概率爲sigmoid(WX),預測值爲負例的概率爲1-sigmoid(WX)
3.2我們希望對於正例，我們希望最大化預測值爲正例的概率sigmoid(WX),對於負例，我們希望最大化預測值爲負例的概率1-sigmoid(WX)，綜合我們希望最大化 Z=y*sigmoid(WX)+(1-y)*(1-sigmoid(WX)).也可以寫成y*y_pre+(1-y)*(1-y_pre)
3.3通過梯度下降法和牛頓法可以進行基於該損失函數的優化
注：3.2中的損失函數也可以使用其他損失函數如mae、mse代替。即Z=mse(y,y_pre)