Logit

释义 Definition

logit（统计学/机器学习）指“对数几率”：把事件发生的概率 (p) 转换为
[ \text{logit}(p)=\ln\left(\frac{p}{1-p}\right) ] 常用于逻辑回归（logistic regression）中，把 (0!\sim!1) 的概率映射到 ((-\infty,\infty)) 的实数范围。

例句 Examples

The model uses the logit of the probability as the response.
该模型把概率的对数几率（logit）作为响应变量。

In logistic regression, a one-unit increase in (x) changes the logit by (\beta), which corresponds to multiplying the odds by (e^{\beta}).
在逻辑回归中，自变量 (x) 每增加 1 个单位，logit 会改变 (\beta)；这等价于把几率（odds）乘以 (e^{\beta})。

发音 Pronunciation

/ˈloʊdʒɪt/

词源 Etymology

logit 一般被视为由 log-（logarithm，对数）与 -it（常见于统计学命名的后缀化形式）组合而成，核心含义是“对数化后的几率（odds）”。它与 logistic（逻辑斯蒂/逻辑函数）体系密切相关，是逻辑回归中最常见的链接函数形式之一。

相关词 Related Words

• Logistic
• Logistic Regression
• Odds
• Odds Ratio
• Probability
• Likelihood
• Link Function
• Probit
• Sigmoid
• Binary

文献作品 Literary Works

• The Analysis of Binary Data（D. R. Cox）——讨论二元数据模型与 logit 链接的经典著作。
• Applied Logistic Regression（Hosmer, Lemeshow & Sturdivant）——应用逻辑回归中对 logit、odds 与解释方法有系统阐述。
• Categorical Data Analysis（Alan Agresti）——分类数据分析里大量使用并解释 logit/对数线性模型。
• Bayesian Data Analysis（Gelman et al.）——在贝叶斯建模语境中常出现 logit 变换与二项/伯努利模型。