ロジスティック回帰とシグモイド関数

ロジスティック回帰は名称に「回帰」と付きますが分類モデルであり、ロジット変換の逆関数であるシグモイド関数 σ(z) = 1 / (1 + e^(-z)) を用いて事象の発生確率を推定します。 ア：正解です。出力を (0, 1) 区間に収めることで、条件付き確率 P(Y=1|X) をモデル化します。 イ：誤りです。決定境界は線形（超平面）であり、オッズ比によるパラメータの解釈性にも優れています。 ウ：誤りです。二値分類（または多クラス分類）のためのモデルであり、連続値の回帰ではありません。 エ：誤りです。通常は交差エントロピー誤差（対数尤度）を損失関数とし、勾配降下法などで数値的に最適化します。

二値分類で広く用いられるロジスティック回帰に関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
線形結合の出力 z をシグモイド関数に入力することで、0から1の範囲の確率値として予測値を出力する。
イ
決定境界が常に複雑な多次元非線形曲線となり、ブラックボックス性が極めて高い。
ウ
目的変数が連続値（身長や売上高など）である回帰タスクに特化したアルゴリズムである。
エ
損失関数として最小二乗誤差を用い、解析的にパラメータの最適解を一発で算出する。