在对数赔率空间中，每个结果都是$-\infty$或者$\infty$，所以预测区间仍然没有意义。您可以通过给出概率的置信区间来实现您的目标。

这有点令人困惑。如果你在做逻辑回归，你预测二元类成员，例如，0 和 1。类标签基本上是阈值函数的结果，即

$sigmoid(z) \ge 0.5 \rightarrow 1$, 否则为 0。

在哪里$z = w^Tx$（w=权重，x=样本），和$sigmoid$是逆 logit 函数$\frac{1}{1 + e^{-z}}$

或者等效地保存这一步计算，您可以直接计算：

$z \ge 0 \rightarrow 1$, 否则为 0。

条件概率$p = sigmoid(z)$基本上是你的“信心”。我想你想要的是这个概率的信心吗？您可以通过在线性尺度上计算预测的标准误差来做到这一点$w^Tx$，然后通过以下方式计算您的置信区间的上限和下限，例如 95%$[ pred. value +/- 1.96\times std. err ]$. 获得上限和下限后，您可以使用 sigmoid 函数将它们转换为 logit 标度。