逻辑回归作为一种重要的数据分析方法,在各个领域应用十分广泛。在实际分类问题的应用中,逻辑回归总是可以收到良好的效果。然而,传统逻辑回归在克服解的复杂性和过拟合问题上存在明显不足。为此,人们提出了众多解决方法,其中,正则化是一种常见方法,并取得了一定的效果。然而,从理论上,人们提出的一些主流的正则化逻辑回归模型由于不具备Oracle性质,使得这些模型并不是“好”正则化方法,使用时存在一定的不确定性。本文基于此,提出了自适应正则化逻辑回归模型,并进行了细致的理论推导,从本质上保证了模型的可靠优性,并利用实验进行了验证。本文主要工作包括:(1)基于弹性网逻辑回归模型,提出了自适应弹性网逻辑回归模型。它可以同时考虑到模型中具有较小和中等相关性的解释变量,从而在一定程度上,提高了预测准确率,有效的改善了传统模型存在的变量选择和计算过拟合问题;(2)讨论了该模型所具有的Oracle性质和群组选择能力,并给出了这些性质的证明过程;(3)为了求解该模型的参数估计值,本文构造了基于坐标下降思想的正则化算法,并在一系列人工数据集和真实数据集上分别进行了实验。实验表明,文中算法具有良好的变量选择能力和预测能力。