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？
什么是：逻辑回归本质上是一个线性回归模型，是一种用来解决二分类问题的机器学习方法，用于估计某种事物的可能性。
逻辑回归公式：
和线性回归的不同（直接上的不同）：逻辑回归中因变量都是分类型变量，而线性回归的是连续性数值变量，并且逻辑回归不要求自变量和因变量呈线性关系。
（本质上的不同）：逻辑回归是分析因变量取某个值的概率与自变量的关系，而线性回归是单纯的分析因变量与自变量的关系。
2.自述一下什么是过拟合和欠拟合？
过拟合：就是设计的模型机器学习时候学习过头了，连带数据噪声的部分也一起学进去了，特征学习混乱，导致成品在测试集测试的时候，产生错误的判断误差。
欠拟合：就是设计的模型没有完整的捕捉到数据全部特征，训练出的模型精度，很低导致成品在测试集测试的时候，没法成功的进行判断。
3.思考一下逻辑回归的应用场景有哪些？
应用场景很多，比如某些人购买某种东西的可能性，或者是患有某种疾病的可能性，或者是金融波动的可能性等。