如前一节所述，逻辑回归的目标是建立一个模型，用于预测给定结果发生的概率。然而，研究人员有时并不希望预测概率，而是希望模型的输出能够表明对于给定的X值，预期结果是“成功”还是“失败”。这被称为分类。 进行分类的最简单方法是设定一个所谓的“分类临界值”。该值是一个介于0和1之间的数值，用于划分何为“成功”、何为“失败”。 例如，将分类临界值设为0.5是一种常见做法（也是Prism中简单逻辑回归的默认设置），这意味着如果模型预测的成功概率大于或等于0.5，则该预测被归类为“成功” （Y=1），而如果模型预测的概率小于0.5，则将其归类为“失败”（Y=0）。

研究人员会使用大量此类分类相关的指标，包括模型的灵敏度和特异性、分类的真阳性率（TPR）和假阳性率（FPR）、模型的阳性预测值和阴性预测值等概念，以及更多内容。了解更多关于分类的信息。