ChatGPTに説明してもらいました

ロジスティック回帰の名前に「回帰」という用語が付いているのに、実際には線形分類のために使用されることが多いのは、少し混乱を招くかもしれません。この背後には、ロジスティック回帰の動作原理と歴史的な名残りが関係しています。

回帰の要素: ロジスティック回帰は、入力特徴の線形結合から得られる値をシグモイド関数に適用して、0から1の範囲の確率を出力します。この線形結合部分が「回帰」の部分で、出力が連続値であるために、回帰の手法としても考えることができます。
分類の要素: しかし、ロジスティック回帰の主な用途は2クラスの分類問題です。出力される確率値を閾値（よく0.5が使われる）で切って、2つのクラスに分類します。このため、ロジスティック回帰は線形分類器としても機能します。
歴史的な背景: また、ロジスティック回帰の名前は、線形回帰との関連から来ており、両者が共有する線形結合の側面を強調しています。

つまり、ロジスティック回帰は名前が示すように回帰の一形態でありますが、出力を確率として解釈し、分類のために使うことが一般的なので、しばしば線形分類器として言及されるのです。