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？
首先逻辑回归处理的是分类问题，线性回归处理的是回归问题，这是两者最本质的区别。
①性质不同 逻辑回归：是一种广义的线性回归分析模型。
线性回归：利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。
2.自述一下什么是过拟合和欠拟合？
①欠拟合
因为对于给定数据集，欠拟合的成因大多是模型不够复杂、拟合函数的能力不够。
为此可以增加迭代次数继续训练、尝试换用其他算法、增加模型的参数数量和复杂程度，或者采用Boosting等集成方法。
②过拟合
过拟合成因是给定的数据集相对过于简单，使得模型在拟合函数时过分地考虑了噪声等不必要的数据间的关联。或者说相对于给定数据集，模型过于复杂、拟合能力过强
3.思考一下逻辑回归的应用场景有哪些？
用于分类场景， 尤其是因变量是二分类， 比如垃圾邮件判断，是否患某种疾病（是/否）, 广告是否点击等场景。