子曰，温故而知新。下面简单聊聊作为小白的我简单回顾了logistic回归之后的一点心得：
1.logistic回归之所以被划为“线性模型”，被称作“广义线性回归”的原因在于，它实际上是用线性回归模型: 对“对数几率”的近似，即
。
几率（odds）：
；对数几率即对odds取自然对数。
2.logistic regression也可以得出类似朴素贝叶斯算法中“后验概率”的东西，这个“”东西“”也是提供一个分类的“把握度”，但logistic回归给出的这个“把握度”和朴素贝叶斯的后验概率的“把握度”思路并不一样——朴素贝叶斯的后验概率就不提了，logistic回归的这个“把握”，指的是，我们根据input X计算出的绝对值越大，我们就越有把握认为这个分类是可靠的（其实这个思想很简单，看图就知道了，只不过我之前没想到过这一点，而且没有把它和朴素贝叶斯给出的后验概率联系起来过）。