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？
逻辑回归是一种有监督的统计学习方法，主要用于对样本进行分类。
不同的就是线性回归中，独立变量的系数解释十分明了，就是保持其他变量不变时，改变单个变量因变量的改变量。而在逻辑回归中，自变量系数的解释就要视情况而定了，要看选用的概率分布是什么，如二项式分布，泊松分布等。
2.自述一下什么是过拟合和欠拟合？
过拟合：就是太过贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测/区分了所有的数据，但是在新的测试集上却表现平平，不具泛化性，拿到新样本后没有办法去准确的判断。
欠拟合：测试样本的特性没有学到，或者是模型过于简单无法拟合或区分样本。
3.思考一下逻辑回归的应用场景有哪些？
1.数据挖掘
2.经济预测
3.疾病自动诊断
原文：https://www.cnblogs.com/rinkong0403/p/13123602.html