ロジスティック回帰は、目的変数が2値（例：解約する／しない、購入する／しない）のときに、ある事象が起きる確率を推定する回帰モデルです。説明変数の線形結合をシグモイド関数で0〜1の確率に変換し、確率を対数オッズ（logit）として扱う形になります。出力はクラスそのものではなく確率なので、閾値をどこに置くかで判定結果が変わる点が実務では重要でしょう。
実務で使うときは、評価指標をAccuracyだけに寄せず、適合率・再現率・F1やPR-AUCなどで誤り方を確認します。クラス不均衡が強い場合は、クラス重み付けやサンプリング、閾値調整を組み合わせないと「当たっているように見える」状態になりやすいです。係数はオッズ比として解釈できるため説明しやすい一方で、多重共線性や外れ値、特徴量のスケール差が推定に影響するので、正則化（L1/L2）や前処理を含めて設計すると安定するでしょう。
