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？
逻辑回归是一种用于解决二分类问题的机器学习方法，可以用于估计某种事物的可能性
逻辑回归解决的是分类问题，而不是线性回归问题
2.自述一下什么是过拟合和欠拟合？
过拟合：
一个模型在训练数据上获得了相比于其他模型更好的拟合，但是在其他的数据集上却不能很好的拟合数据，即模型过于复杂。
原因：训练集的原始特征过多，导致存在一些嘈杂特征，而模型却去兼顾了每一个特征点导致。
解决方法：进行特征选择；交叉验证；正则化
欠拟合：一个模型在训练数据上没办法获得很好的拟合，在其他数据集上也不能很好的拟合数据，即模型过于简单
3.思考一下逻辑回归的应用场景有哪些？
汽车销售：判断用户对于购买某款汽车的意愿
诈骗电话：判断来电是否为诈骗电话
疾病治疗：判断病人康复的可能性
原文：https://www.cnblogs.com/a1120139442/p/12766363.html