여기서 log는 컴퓨터 과학에서 널리 사용되는 자연 로그입니다. logit 함수는 0과 1 사이의 입력 값을 받아 실수 범위 값으로 변환합니다. 특성의 가중치 합과 로그 오즈 사이의 선형 관계를 다음과 같이 쓸 수 있습니다.

여기서 는 특성 x가 주어졌을 때 이 샘플이 클래스 1에 속할 조건부 확률입니다.

어떤 샘플이 특정 클래스에 속할 확률을 예측하는 것이 관심 대상이므로 logit 함수를 거꾸로 뒤집습니다.

이 함수를 로지스틱 시그모이드 함수(logistic sigmoid function)라고 합니다. 함수 모양이 S자 형태를 띠기 때문에 간단하게 줄여서 시그모이드 함수(sigmoid function)라고도 합니다.

여기서 z는 가중치와 입력(즉, 훈련 샘플의 특성)의 선형 조합으로 이루어진 최종 입력입니다.

입니다.