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？
逻辑回归是一种用于解决二分类问题的机器学习方法；简单来说，就是用于估计某种事物发生的可能性，例如：今天是晴天的可能性，用户购买某商品的可能性。
逻辑回归和线性回归都是一种广义的线性回归模型，逻辑回归与线性回归有很多相同之处，去除Sigmoid映射函数的话，逻辑回归算法就是一个线性回归。可以说，逻辑回归是以线性回归为理论支持的，但是逻辑回归通过Sigmoid函数引入了非线性因素，因此可以轻松处理0/1分类问题。
2.自述一下什么是过拟合和欠拟合？
过拟合:太过于接近训练数据的特征，在训练集上表现很优秀，但是在新的测试集中表现的一般般
欠拟合:样本不够或者算法不够准确，无法学习到训练数据的特征，导致测试集表现较差
3.思考一下逻辑回归的应用场景有哪些？
数据挖掘，疾病自动诊断，经济预测等领域。
原文：https://www.cnblogs.com/226aa/p/13070534.html