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？
答：逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。本质上讲，逻辑回归处理的是分类问题，而线性回归处理的是回归问题，
2.自述一下什么是过拟合和欠拟合？
答：首先解释下拟合，拟合就是说这个曲线能不能很好的描述这个样本，有比较好的泛化能力，在得知拟合的含义后，我们来解释一下过拟合，过拟合就是太过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，但是在新的测试集上却表现平平。而欠拟合的意思也能从字面上看出来，即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？
答：逻辑回归主要处理分类的问题，所以现实中可以拿来处理垃圾分类是否正确，识别垃圾信息等功能。