Regresi logistik memperkirakan probabilitas hasil biner dari fitur berbobot. Meski namanya begitu, ini adalah classifier. Pada data keanggotaan fiktif ini, kelas 1 berarti berhenti dan kelas 0 berarti perpanjangan. Metode predict mengembalikan label, sedangkan predict_proba mengembalikan satu kolom untuk setiap kelas menurut urutan classes_ pada estimator.
Label adalah hasil dari aturan keputusan yang diterapkan pada probabilitas. Dengan memisahkan kedua keluaran itu, Anda bisa mengubah aturannya nanti tanpa fit ulang koefisien. Latih hanya pada baris data latih, lalu evaluasi pada holdout. Regresi logistik juga memerlukan iterasi yang cukup agar konvergen; tugas-tugas memberikan batas yang eksplisit. Skor tinggi yang diperoleh dari fit pada label uji tetap merupakan kebocoran data, dan estimator dummy kelas mayoritas tidak memenuhi tugas yang meminta Anda belajar dari input.
Estimator yang sudah di-fit belajar dari partisi pelatihan. Memprediksi masukan yang disisihkan menghasilkan satu keluaran untuk setiap pengamatan uji, siap dievaluasi.