如前一节所述，逻辑回归的目的是模拟给定结果发生的概率。然而，研究人员有时并不预测概率，而是希望其模型的输出能够表明对于给定的X值来说是成功或失败。这称为“分类”。执行分类的最简单方法是设置所谓的临界值。该值为一个介于0与1之间的数字，用以区分何谓“成功”，以及何谓“失败”。例如，常见的是将分类临界值设为0.5（默认为Prism中的简单逻辑回归），这意味着如果模型预测的成功概率大于或等于0.5，则将该预测分类为“成功”（Y=1），如果小于0.5，则将分类为“失败”（Y=0）。

研究人员从这种分类中使用了许多指标，包括模型的灵敏性和特异性、分类的真阳性率（TPR）和假阳性率（FPR）、模型的阳性和阴性预测能力等概念。阅读有关分类的更多信息。