logisticregression()拟合得到的回归系数和截距怎么写成函数关系式

假设我们有 $n$ 个特征变量 $x_1, x_2, ..., x_n$，以及对应的回归系数 $\beta_1, \beta_2, ..., \beta_n$ 和截距 $\beta_0$，则 logistic regression 模型的函数关系式可以写成：

$$
P(y=1|x_1, x_2, ..., x_n) = \frac{1}{1 + e^{-(\beta_0 + \beta_1x_1 + \beta_2x_2 + ... + \beta_nx_n)}}
$$

其中，$y$ 表示二分类的结果，$P(y=1|x_1, x_2, ..., x_n)$ 表示在给定特征变量 $x_1, x_2, ..., x_n$ 的情况下，$y$ 为正类的概率。而 logistic regression 的目标就是求出最优的回归系数 $\beta_0, \beta_1, \beta_2, ..., \beta_n$，使得模型的预测结果尽可能接近真实标签。