Logistic回歸的目的是尋找一個非線性函數Sigmoid的最佳擬合參數，求解過程可以由最優化算法來完成。在最優化算法中，最常用的就是梯度上升算法，而梯度上升算法又可以簡化為隨機梯度上升算法。
隨機梯度上升算法與梯度上升算法的效果相當，但佔用更少的計算資源。此外，隨機梯度上升是一個在線算法，它可以在新數據到來時就完成參數更新，而不需要重新讀取整個數據集來進行批處理運算。
機器學習的一個重要問題就是如何處理缺失數據。這個問題沒有標準答案，取決於實際應用中的需求。現有一些解決方案，每種方案都各有優缺點。
下一章將介紹與Logistic回歸類似的另一種分類算法：支持向量機，它被認為是目前最好的現成的算法之一。