1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下）
逻辑回归利用正则化防止过拟合。正则化削减了容易过拟合的那部分假设空间，从而降低过拟合风险。过拟合的时候，拟合函数的系数往往非常大，而正则化是通过约束参数的范数使其不要太大，所以可以在一定程度上减少过拟合情况。
2.用logiftic回归来进行实践操作，数据不限。
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
cancer = load_breast_cancer()
x = cancer.data
y = cancer.target
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=6)
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
model = LogisticRegression()
model.fit(x_train, y_train)
y_pre = model.predict(x_test)
print('训练数据集的评分：', model.score(x_train, y_train))
print('测试数据集的评分：', model.score(x_test, y_test))
print('预测个数：', x_test.shape[0])
print('预测正确个数：', x_test.shape[0] * model.score(x_test, y_test))
print("召回率", classification_report(y_test, y_pre))
