如上一节所述，逻辑回归的目标是建立特定结果发生概率的模型。不过，研究人员有时并不希望预测概率，而是希望模型的输出结果能表明，对于给定的 X 值，期望值是成功还是失败。这就是所谓的分类。进行分类的最简单方法是设置一个所谓的临界值。这个值是一个介于 0 和 1 之间的数字，用来划分 "成功 "和 "失败"。例如，将分类临界值设置为 0.5 是很常见的做法（也是 Prism 中简单逻辑回归的默认值），这意味着如果模型预测的成功概率大于或等于 0.5，那么该预测就会被归类为 "成功"（Y=1），而如果模型预测的概率小于 0.5，则会被归类为 "失败"（Y=0）。

从这类分类中，研究人员会用到很多指标，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）、模型的正负检验力等概念。了解有关分类的更多信息。