逻辑回归是什么？主要用于解决什么问题？与线性回归有什么关系？如何计算和评估逻辑回归的最佳模型？逻辑回归与概率回归的异同？在R中如何实现？
首先还是先看wiki对逻辑回归（logisitic regression）的解释
Logistic regression is a statistical model that in its basic form uses a logistic function to model a binary dependent variable。
逻辑回归（logistic/logit regression）主要应用于解决二分类问题，和线性回归都属于线性模型，但是逻辑回归是解决分类问题，而线性回归是解决回归问题。逻辑回归通过最大似然法（Maximum likelihood）寻找最佳模型。可以通过summary()函数的输出结果AIC值对比模型的拟合程度，或者通过sensitivity, specifity评估，既可以以ROC和AUC的结果评估。概率回归也用于二分类问题，和逻辑回归类似。不同的是逻辑回归使用累积逻辑函数（cumulative logistic function），概率回归使用正态累积密度函数（normal cumulative density function）。实际应用两个模型时时可根据自己的爱好选择。逻辑回归在R中的实现以 glm() 函数实现，并指定参数 **family = binomial** , 而概率回归以glm()函数，并指定 family =binomial(link="probit") 。
参考资料：
statquest逻辑回归视频：https://www.youtube.com/playlist?list=PLblh5JKOoLUKxzEP5HA2d-Li7IJkHfXSe