不，这不仅仅是一种启发式方法。它是有意作为响应的条件分布的模型。

Logistic 回归是广义线性模型(GLM) 的一个特例，在这种情况下，对于响应变量是有条件的伯努利（或更一般地，二项式）的过程。

GLM 包括响应条件均值的模型规范。对于伯努利变量，其条件均值是参数，它明确表示响应为的概率。它是根据一个或多个预测变量建模的。这是单个预测变量的均值模型：$p_i$$Y_i$$1$$x_i$

因此，在给定预测变量的值的情况下，它（有意）是响应为概率的模型。$1$

链接函数（及其逆）的形式也并非偶然—— logit 链接（这就是逻辑回归的原因）是二项式响应的自然（或规范）链接函数。链接函数的其他选择也是可能的（它们也将成为 1 概率的模型）。二项式响应的其他常见选择是概率和互补对数，但逻辑是迄今为止最常见的。$\eta=\log(p/(1-p))$$p=\exp(\eta)/(1+\exp(\eta))$