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：
逻辑回归用于分类，而不是回归。
在线性回归模型中，输出一般是连续的， 对于每一个输入的x，都有一个对应的输出y。因此模型的定义域和值域都可以是无穷。
但是对于逻辑回归，输入可以是连续的[-∞, +∞]，但输出一般是离散的，通常只有两个值{0, 1}。
这两个值可以表示对样本的某种分类，高/低、患病/ 健康、阴性/阳性等，这就是最常见的二分类逻辑回归。因此，从整体上来说，通过逻辑回归模型，我们将在整个实数范围上的x映射到了有限个点上，这样就实现了对x的分类。因为每次拿过来一个x，经过逻辑回归分析，就可以将它归入某一类y中。
对比：
逻辑回归采用似然函数，而不是平方损失函数
2.自述一下什么是过拟合和欠拟合？
过拟合：
指一个假设在训练数据上能够获得比其他假设更好的拟合（训练误差小）但是在训练数据外的数据集上却不能很好的拟合数据（测试误差大）。此时模型的泛化能力较差，不利于推广。
欠拟合：
即回归问题线性拟合较差，分类问题则分类较差。
3.思考一下逻辑回归的应用场景有哪些？
通过属性来判断产品的好坏，比如：芒果的酸甜