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，用于估计某种事物的可能性。
不同的是：
逻辑回归解决的是分类问题，而不是回归问题，虽然它名字里有回归俩字。
这里的可能性，不是数学上的概率，这里的可能性是特征值得加权求和，不是直接相乘。
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，但是到测试数据集的时候表现就不那么好了。
欠拟合：就是提取的特征比较少，导致训练出来的模型不能很好地匹配，表现很差，用新的数据去判断时，不能准确判断出来。
3.思考一下逻辑回归的应用场景有哪些？
应用在流行病学领域：通过病毒的各项指标，预测出人得某病的概率。
应用在个人信用评估领域：通过消费者信用品质的各种预测指标，预测申请人的信贷风险概率。
应用在经济预测领域：通过房子的各项指标，预测出房子的价格。