逻辑回归（Logistic Regression）是一种狭义的线性回归分析模型，罕用于数据挖掘、疾病主动诊断、经济预测等畛域。它依据给定的自变量数据集来预计事件的产生概率。变量的范畴在 0 和 1 之间，通常用于二分类问题，最终输入的预测是一个非线性的 S 型函数，称为 logistic function, g()。
逻辑递归（Recursive Logic）是一种在逻辑学中应用的推理方法，它基于递归定义和递归推理规定，用于形容和推导对于递归结构的命题。用于钻研自指的悖论和不完全性定理。它是基于自我援用和递归定义的思维，将逻辑和计算实践相结合，造成了一种强有力的推理工具。
例如，下图为逻辑回归曲线图，显示了考试通过概率与学习工夫的关系。
再如，在探讨引发疾病的危险因素时，能够依据危险因素预测疾病产生的概率。抉择两组人群，一组是胃癌组，一组是非胃癌组，两组人群必然具备不同的体征与生存形式等。通过逻辑回归剖析，能够失去自变量的权重，从而能够大抵理解到底哪些因素是胃癌的危险因素。同时依据该权值能够依据危险因素预测一个人患癌症的可能性。
须要留神的是，逻辑递归的推理过程可能面临一些挑战，如悖论和有限循环等。因而，在应用逻辑递归进行推理时，须要留神对递归定义和推理规定的正当限度，以防止逻辑矛盾和无穷循环的问题。
逻辑递归在逻辑学和计算实践中有宽泛的利用。它被用于形式系统的钻研，证实实践中的定理和推理规定，以及计算机科学中的递归算法和程序设计等畛域。
如有疑难，点击链接退出群聊【信创技术交换群】：http://qm.qq.com/cgi-bin/qm/qr?_wv=1027&k=EjDhISXNgJlMMemn85v…