Как работает логистическая регрессия?

Logistic Regression — классификация, не регрессия. Линейная комбинация → sigmoid → вероятность. P(y=1) = 1 / (1 + e^(-z)), z = wx + b. Порог 0.5 по умолчанию. Loss: binary cross-entropy. LogisticRegression(C=1.0) — C — обратная сила регуляризации. Multiclass: one-vs-rest или softmax (multi_class="multinomial"). predict_proba() — вероятности. Интерпретируемо: coef_ показывает важность признаков. Быстро обучается. Линейная разделяющая поверхность. Хороший baseline для классификации. Нужно масштабирование признаков.