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？
（1）逻辑回归是机器学习中的一种分类模型，在线性回归的基础上，套用了一个逻辑函数Logistic函数(logistic function)，用于估计某种事物的可能性。
（2）区别：a.线性回归是计算出具体的值，是解决回归问题；逻辑回归是给出是和否，解决的是分类问题。
b.逻辑回归引入了sigmoid函数，把y值从线性回归的(−∞,+∞)限制到了（0,1）的范围。
c.逻辑回归通过阈值判断的方式，引入了非线性因素，可以处理分类问题。
2.自述一下什么是过拟合和欠拟合？
(1)过拟合: 是在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合；在训练数据上表现良好，模型训练误差很低,但是在测试集上表现差。
(2)欠拟合:就是学习器没有很好地学到训练样本的一般性质，不能够很好地拟合数据，所以不论在训练数据还是测试数据中表现都很差。
3.思考一下逻辑回归的应用场景有哪些？
（1）垃圾邮件分类
（2）预测期末考试能否及格
（3）挖掘引发疾病的主要因素
