在展望模子领域，Logistic模子是一种很常用的模子。它可以展望二分类或多分类的结果，而且可以通过引入变量来提高展望准确度。通常用于金融风险评估、医学诊断、商品销量展望、奖学金评定等领域。
Logistic模子的本质是一个非线性方程，将概率映射到(0,1)之间，在举行二分类时，若概率大于即是0.5，则判为1；反之，判为0。在举行多分类时，可以使用One-vs-Rest(一对其他)或者Multinomial(多项式)的方式。
Logistic模子的优点在于所需参数少，盘算量小，易于诠释，可适用于庞大的非线性关系拟合，而且对于异常值的影响不敏感。同时，它也有一些瑕玷，如不能处置较庞大的结构、存在多重共线性等问题。
