เปรียบเทียบวิธี

	การถดถอยเชิงเส้น (Linear Regression) (ML)	การถดถอยโลจิสติก (ML)
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1805–1809	1958
ผู้ริเริ่ม	Legendre, A.-M. & Gauss, C.F.	Cox, D. R.
ประเภท	Supervised regression	Probabilistic linear classifier
แหล่งต้นตำรับ	Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed., Ch. 3). Springer. ISBN: 978-0-387-84858-7	Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society, Series B, 20(2), 215–242.
ชื่อเรียกอื่น	ordinary least squares regression, OLS, least squares regression, multiple linear regression	logit model, logit regression, binomial logistic regression, maximum entropy classifier
ที่เกี่ยวข้อง	5	5
สรุป	Linear regression fits a straight-line relationship between one or more input features and a continuous numeric outcome by minimising the sum of squared prediction errors. As a machine-learning model it is trained on labeled examples and evaluated on held-out data, making it the simplest supervised learning baseline for any regression task.	Logistic regression is a foundational probabilistic classifier that models the log-odds of a binary (or multinomial) outcome as a linear function of the predictors. Introduced by D. R. Cox in 1958, it remains one of the most widely used and interpretable classification methods in both statistics and machine learning, valued for its calibrated probability outputs and clear coefficient interpretation.