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？
2.自述一下什么是过拟合和欠拟合？
3.思考一下逻辑回归的应用场景有哪些？
1.
逻辑回归：是一种广义的线性回归分析模型，要求因变量必须是连续性数据变量。常用于数据挖掘，疾病自动诊断，经济预测等领域。
线性回归：利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，要求因变量必须是分类变量，二分类或者多分类的。常运用于数学、金融、趋势线、经济学等领域。
2
过拟合是在统计模型中，由于使用的参数过多而导致模型对观测数据（训练数据）过度拟合，以至于用该模型来预测其他测试样本输出的时候与实际输出或者期望值相差很大的现象。
欠拟合则刚好相反，是由于统计模型使用的参数过少，以至于得到的模型难以拟合观测数据（训练数据）的现象。
3.逻辑回归在现实应用中一般常用于数据挖掘，疾病自动诊断，经济预测等领域。
原文：https://www.cnblogs.com/dengweijiang/p/13132581.html