1.用自己的话描述一下，什么是逻辑回归，与线性回归对比，有什么不同？

　　逻辑回归是一种广义的线性回归分析模型，是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。

　　逻辑回归与线性回归最大的区别就在于他们的因变量不同：

　　①线性回归要求变量服从正态分布，逻辑回归对变量分布没有要求；

　　②线性回归要求因变量是连续性数值变量，而逻辑回归要求因变量是分类型变量；

　　③线性回归要求自变量和因变量呈线性关系，而逻辑回归不要求自变量和因变量呈线性关系；

　　④逻辑回归是分析因变量取某个值的概率与自变量的关系，而线性回归是直接分析因变量与自变量的关系。

2.自述一下什么是过拟合和欠拟合？

　　过拟合是指模型在训练集上表现很好，到了验证和测试阶段就大不如意了，即模型的泛化能力很差。

　　欠拟合是指模型在训练集、验证集和测试集上均表现不佳的情况。

3.思考一下逻辑回归的应用场景有哪些？

　　数据挖掘，疾病自动诊断，经济预测等。