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？
逻辑回归与线性回归输入都是一样的，但是逻辑回归在输入完成后会利用 sigmoid 函数进行处理映射到0和1之间，而0和1使我们的分类问题，所以逻辑回归是一个专门处理二分类问题的算法；总的来说他们之间的不同点在于着重点的不同，线性回归偏向于预测，逻辑回归偏向于分类。
2.自述一下什么是过拟合和欠拟合？
在模型复杂度较低的时候，测试误差以及训练误差都比较大，这种情况我们称之为欠拟合。它的出现是由于模型中给定的特征太少，我们举个例子来理解一下：当我们要辨别苹果，我们给的特征只有两种：圆的、红的。那么当我们测试和训练的时候只要是圆的红的，我们的机器都会把它辨别为苹果，那么这时候的误差就会变得很大，出现的这种情况就是欠拟合；
在模型复杂度较高的时候，测试误差比较大，训练误差则比较小，这种情况我们称之为过拟。它的出现是由于模型中给定的特征太多太杂，我们举个例子来理解一下：还是辨别苹果，这次我们给的特征很多：圆的、红的、青的、尺寸大小、表面光滑。当我们进行训练的时候误差可以到达很少的程度，但是我们测试的时候误差还是会很大（例如：我们拿一个青红相间的苹果去测试），出现这种情况就是过拟合；
总体上如下图所示：
更具体一点的图：
第一个二维图是欠拟合，第二个是刚刚好，第三个是过拟合。
3.思考一下逻辑回归的应用场景有哪些？
1）新闻数据集分类
2）预测癌症死亡率
3）企业上预测客户信用是否正常
4）判断一张图片中的物体是不是苹果