概率的界限在 0 和 1（含）之间，而 sigmoid 曲线是一种方便的曲线，可以强制遵守这些界限。它不是唯一的，但 sigmoid 曲线已被证明是最受欢迎的一种。因此，并非所有概率模型都具有 sigmoid 治愈方法，尽管许多模型都有。

此外，并非所有模型都具有 sigmoid 曲线模型概率。例如，对作为分数的因变量进行建模的模型也经常使用 sigmoid 曲线。

使 logit、probit 和类似模型对概率进行建模的原因是它们对指标变量的条件均值进行建模，即 s 的条件比例，这反过来又被解释为该指标的概率多变的。$1$$1$

为什么我们将逻辑回归的结果解释为概率？

因为逻辑回归模型可以被视为源自线性回归潜变量模型，其中假设该线性回归的误差项遵循标准逻辑分布。例如见这篇文章。

鉴于输出介于 0 和 1 之间，是否足以将结果解释为概率？

不。“输出”必须来自满足分布函数属性的函数，以便我们将其解释为概率。这些属性是：

1) 所考虑的函数必须是非递减且右连续的（“cadlag”） $F$

2)$\lim_{x\rightarrow -\infty}F(x) =0$

3) $\lim_{x\rightarrow \infty}F(x) =1$

“sigmoid 函数”满足这些性质。