逻辑回归算法虽然主要用于二分类问题，但它被称为“回归”主要有以下原因：
- 从数学模型角度：逻辑回归模型本质上是基于线性回归模型进行构建的。它通过一个非线性的函数（通常是Sigmoid函数）将线性回归的结果映射到一个概率值上，从而实现对分类问题的处理。在模型构建和推导过程中，利用了许多线性回归的数学原理和方法，例如最小二乘法等用于估计模型参数，所以保留了“回归”这一名称来体现其与线性回归的紧密联系。
- 从历史发展角度：逻辑回归的起源可以追溯到对线性回归在分类问题上的改进和扩展。早期统计学家在研究如何用回归模型解决分类问题时，逐渐发展出了逻辑回归算法。由于它是在回归分析的基础上发展而来，为了表明其历史渊源和理论继承性，就将其命名为逻辑回归，而不是直接称为逻辑分类。
- 从预测结果角度：逻辑回归模型输出的是一个概率值，表示样本属于某一类别的可能性。这与传统的分类算法直接输出类别标签有所不同。回归分析通常是用于预测连续型变量的值，而逻辑回归通过将概率作为预测结果，在某种程度上也保留了回归分析中“预测”的概念，只是这里的预测结果是一个关于类别归属的概率，而不是具体的数值。因此，“回归”一词能够更好地体现其输出结果的特点。
注意：本文归作者所有，未经作者允许，不得转载
