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？
逻辑回归主要处理的是（数据）分类问题，线性回归主要处理的是回归问题。
两者最大的不同：逻辑回归要求因变量必须是分类变量，二分类或者多分类的；而线性回归要求因变量必须是连续的数据变量。
2.自述一下什么是过拟合和欠拟合？
过拟合：过拟合就是在训练的样本中被提取的特征比较多，这样就学到了很多没必要的特征。比如说相机是黑色的，但是把黑色的认为是相机，这就是过拟合了。
欠拟合：欠拟合就是在训练的样本中被提取的特征比较少，这就会导致最终训练出来的模型不能很好的匹配以及预测，模型表现得比较差。
3.思考一下逻辑回归的应用场景有哪些？
①房价预测；
②销售额预测；
③贷款额度预测；
等等。