Algorithme de classification qui modélise la probabilité d'appartenance à une classe en appliquant une fonction sigmoïde à une combinaison linéaire des features, produisant une valeur entre 0 et 1 interprétable comme une probabilité. Malgré son nom, c'est un classifieur, pas un algorithme de régression. Son interprétabilité est son principal atout : les coefficients indiquent directement l'impact de chaque variable sur la probabilité prédite (après transformation). Elle est linéaire dans l'espace des features, ce qui la rend moins performante que les modèles non-linéaires sur des données complexes, mais c'est un excellent point de départ (baseline) et une référence pour les systèmes de scoring réglementés.