가중치와 절편 파라미터 w와 b를 사용하여 특성 x에 대한 시그모이드 함수의 출력을 특정 샘플이 클래스 1에 속할 확률 로 해석합니다. 예를 들어 어떤 붓꽃 샘플이 이라면 이 샘플은 Iris-versicolor일 확률이 80%란 뜻입니다. 이 샘플이 Iris-setosa일 확률은 p(y=0|x; w, b)=1 - p(y=1|x; w, b)처럼 계산되어 20%가 됩니다. 예측 확률은 임계 함수를 사용하여 간단하게 이진 출력으로 바꿀 수 있습니다.

앞의 시그모이드 함수 그래프를 보면 다음과 동일하다는 것을 알 수 있습니다.

실제로 클래스 레이블을 예측하는 것 외에 클래스에 소속될 확률(임계 함수를 적용하기 전 시그모이드 함수 출력)을 추정하는 것이 유용한 애플리케이션도 많습니다. 예를 들어 어떤 날에 비가 오는지 예측하는 것뿐만 아니라 비 올 확률을 예측해야 하는 날씨 예보에 로지스틱 회귀를 사용할 수 있습니다. 비슷하게 어떤 증상이 있는 환자가 특정 질병을 가질 확률을 예측하는 데 로지스틱 회귀를 사용할 수 있습니다. 이것이 로지스틱 회귀가 의학 분야에 널리 사용되는 이유입니다.