Le principe du modèle de la régression logistique est d'expliquer la survenance ou non d'un événement (la variable dépendante notée Y) par le niveau de variables explicatives (notées X).
Par exemple, dans le domaine médical, on cherche à évaluer à partir de quelle dose d'un médicament, un patient sera guéri.
La régression logistique est couramment utilisée pour les problèmes de prédiction et de classification.
Certains de ces cas d'utilisation incluent : Détection de la fraude : les modèles de régression logistique peuvent aider les équipes à identifier les anomalies de données, qui sont prédictives de la fraude.
RC=exp(β1)=1,5068 >1 • Si l'âge augmente d'une unité, le risque de contracter la maladie augmente.
RC=exp(β2)=1,9558 >1 • Le risque de contracter la maladie est plus élevé si l'individu est fumeur.