在逻辑回归中，对数几率与特征不是线性相关的。我们假设存在这种关系，然后找到最适合的系数。假设对数几率和特征之间的线性关系可能是一个糟糕的假设，这就是为什么像神经网络这样的模型会很有用。

如果你想提出一个二项式模型$\log(\mathbb E[Y\vert X])=X\beta$，请随意。事实上，R拟合这样的模型没有问题。

set.seed(2022)
N <- 100
x <- runif(N, 1, 2)
y <- rbinom(N, 1, 0.5) 
L <- glm(y ~ x, family = binomial(link = log))
summary(L)