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逻辑回归是用回归的方法来分类和通过把一系列数据点预测计算出一条合适的“线”，将新的数据点映射到这条预测的“线”上，继而做出预测。
②逻辑回归预测的是”S“线，参数计算使用梯度下降方法。；线性回归预测的是直线，参数计算使用最小二乘法。；
③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}。
2.自述一下什么是过拟合和欠拟合？
过拟合：就是训练的时候效果很好损失函数值可以降得很低，贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测/区分了所有的数据，但是到测试数据集的时候却很一般般；
欠拟合：就是样本不够或者算法不精确，测试样本特性没有学到，不具泛化性，拿到新样本后没有办法去准确的判断
3.思考一下逻辑回归的应用场景有哪些？
①汽车销售的推荐
②预测用户是否点击特定的商品
③判断一条评论是正面还是负面
④判断用户性别