Apesar do nome, não há uma aproximação para coeficientes de uma equação aqui e sim uma probabilidade de ocorrer um evento dado um ajuste dos dados em uma função “logit”. Ou seja, um conjunto de fatores se relacionam e teremos uma probabilidade de ocorrer um evento.

Funções com essa forma são bastante conhecidas na matemática, no limite se tornam funções “degrau”, que usamos em problemas interessantes em muitas áreas. É uma função muito utilizada para cálculo de Score de Propensão (SP) e  Mensuração em Comunicação de Marketing (MCM). Falarei ainda dessas relações no futuro, pois há uma sobreposição de conhecimentos interessantes envolvendo diversas áreas. O importante é saber que a saída da regressão logística é uma medida de probabilidade, logo estará entre 0 e 1.

Leia sobre regressão logística na Wikipedia!

 

 

Exemplo de implementação em python de um modelo de regressão polinomial: