三是判别logistic模型，这实际上是预测的一种形式，也是根据Logistic模型判断某人属于某病或某种情况的概率有多大，也就是评估某人患某种疾病的可能性Logistic回归因其与多重线性回归相比有许多优势，而在流行病学和医学中被广泛使用，这些优势将在后续文章中详细探讨本文主要是让大家对Logistic回归有一个初步的logistic模型了解。
在理解概率模型时，probit模型与logistic回归模型是两种常见的选择它们在处理二分类问题时发挥着关键作用，但它们之间存在显著区别首先，从定义上看，logistic回归模型基于logit函数，将概率转换为线性可处理的形式，表达式为logp1p，其中p为事件发生的概率而probit模型则基于标准正态分布函数。
在一定条件下，生物种群增长并非按几何级数无限增长起初，增长速度较快，随后逐渐放缓，最终趋于稳定，形成一种“S”型的增长曲线这种增长模式被称为逻辑斯谛Logistic增长模型这一模型揭示logistic模型了生物种群在有限资源条件下如何达到稳定状态的过程当一个物种迁入新生态系统时，其数量会发生变化如果该。
Logit模型基本模型形式为对数形式，反映了Odds的对数关系其右侧是自变量的线性组合Logistic模型其函数形式与Logit模型有所不同，尽管在某些情况下形式看似一致Logistic模型的左侧是概率，右侧则具有非线性特征背景与范围Logit模型主要用于经济学社会学等领域的概率和选择行为分析Logistic模型则广。
而logistic模型则属于回归分析，其主要分析结果是估计出自变量的参数在回归分析中，Binary logistic regression用于因变量只取0和1的情况，而Multinomial logistic regression则适用于因变量多于两个的情况，包括多分类无序因变量和多分类有序因变量当因变量是多类别的时候，logistic和logit模型都可以采用。
