邏輯迴歸(Logistic Regression)是一種廣泛應用於分類問題的機器學習算法，尤其適用於二分類問題。
邏輯迴歸的核心在於使用對數幾率函數（logistic function）將線性迴歸的輸出（即輸入數據的加權和）映射到(0,1)的概率空間，從而實現分類。這意味着，邏輯迴歸實際上是通過一箇線性模型來完成分類的，其決策邊界是線性的。在邏輯迴歸中，Sigmoid函數被用作邏輯函數，將線性模型的輸出轉換爲一箇介於0和1之間的概率值，通常以0.5作爲閾值來判斷樣本屬於哪個類別。
邏輯迴歸是一種有監督的統計學習方法，通過優化算法（如梯度下降）來最小化預測結果與實際結果之間的差異，進而求解出最優的模型參數。邏輯迴歸的損失函數通常是對數似然損失，這與信息熵的概念相關。
邏輯迴歸在實際應用中非常廣泛，例如推薦系統、醫療診斷、金融詐騙檢測等多箇領域。