در چهارمین فصل از دوره آموزشی «آشنایی با رگرسیون با statsmodels در پایتون» با مدل رگرسیون Logistic ساده آشنا می‌شویم و می‌آموزیم چطور به کمک آن پیش‌بینی انجام دهیم. به این منظور ابتدا با ذکر مثال، محل کاربرد مدل رگرسیون Logistic توضیح داده و در ادامه مبانی ریاضی این مدل و نحوه کار آن تشریح می‌شود. همچنین می‌آموزیم چگونه یک مدل رگرسیون Logistic ساده را ایجاد کرده و پارامترهای آن را به‌دست آوریم. در بخش بعدی این فصل با چگونگی انجام پیش‌بینی پاسخ داده‌های جدید به کمک این مدل آشنا می‌شویم و می‌آموزیم چه راه‌هایی برای تفسیر نتایج خروجی مدل وجود دارد و هر یک چه محل کاربردی دارد؛ روش‌هایی مثل بررسی احتمالات، روش تفسیر most-likely outcome، روش odds ratio و روش odds ratio در مقیاس لگاریتمی.
در بخش آخر این فصل، روش ارزیابی کیفیت برازش مدل رگرسیون Logistic مورد بررسی قرار می‌گیرد و به این منظور با Confusion Matrix و نحوه ایجاد و بصری‌سازی آن با Mosaic Plot آشنا می‌شویم. در ادامه، چهار معیار Accuracy، Recall، Precision و Specificity معرفی شده و محل کاربرد و نحوه محاسبه هر یک در قالب حل یک مثال واقعی با داده‌های واقعی توضیح داده می‌شود.