Мультиноміальна логістична регресія корисна в ситуаціях, коли потрібно мати можливість класифікувати суб’єктів на основі значень набору змінних предиктора. Цей тип регресії схожий на логістичну регресію, але він більш загальний, оскільки залежна змінна не обмежена двома категоріями.
Мета логістичної регресії така ж, як і множинної лінійної регресії, але ключова відмінність полягає в цьому множинна лінійна регресія оцінює предиктори безперервно розподілених результатів, тоді як множинна логістична регресія оцінює предиктори дихотомічних результатів, тобто результати, які відбулися або не відбулися.
Використовується мультиноміальна логістична регресія (або скорочено мультиноміальна регресія). коли прогнозована змінна результату є номінальною та має більше двох категорій, які не мають заданого рангу чи порядку. Цю модель можна використовувати з будь-якою кількістю незалежних змінних, які є категоричними або безперервними.
У той час як проста модель логістичної регресії має двійковий результат і один предиктор, модель логістичної регресії з декількома або кількома змінними знаходить рівняння, яке найкраще передбачає значення успішності змінної двійкової відповіді π(x)=P(Y=1|X=x). Y для значень кількох змінних X (предикторів).
Множинна регресія означає, що ви прогнозуєте кілька змінних, і кожна може (як правило) бути будь-яким дійсним числом. Мультиноміальна регресія означає, що ви передбачаєте кілька змінних, але знаєте, що всі вони будуть принаймні 0, а їх сума дорівнює 1.
Існує три основних типи логістичної регресії: двійковий, багаточленний і порядковий.