将Logistic回归分类器导出为数学公式

Question

我正在用Python从SKLearn训练ML模型，有时需要将它们导出为文本（作为数学方程式）。

进行线性回归时，这非常简单：我使用目标的名称（T），系数（C1...Cn），截距（C0）和要素名称（A1...An）来构造以下形式的字符串：

T = C0 + C1A1 + C2A2 + ... + CnAn

但是，我不确定我对分类算法的实现。

例如，假设我有一个经过训练的Logistic回归分类器，可以使用n个特征（A1, ..., An）在m个类（T1, ..., Tm）之间进行分类。

如果我理解正确，我可以从分类器（Cij，用i=1,2,..,m和j=0,1,...,n）中提取系数和截距以编写以下集合：

f(T1) = C10 + C11A1 + C12A2 + ... + C1nAn
.
.
.
f(Tm) = Cm0 + Cm1A1 + Cm2A2 + ... + CmnAn

比要选择的类多的是函数产生最大数量的类。

这种说法正确吗？