Tôi đề nghị nhìn nó theo một cách khác ...
Trong hồi quy logistic, chúng tôi dự đoán một số lớp nhị phân {0 hoặc 1} bằng cách tính xác suất khả năng, đó là đầu ra thực tế của logit(p) .
β0+β1x1+β2x2+⋯
xiβ0βixi
β0 value is the "fixed component" of that component-wise method to describe the log-odds of whatever event/condition you are trying to predict. Also remember that a regression is ultimately describing some conditional average, given a set of xi values. None of those things require that xi-values be 0 in your data or even possible in reality. The β0 simply shifts that linear expression up or down so that the variable components are most accurate.
Maybe I said the same thing in slightly different mindset, but I hope this helps ...