1.逻辑回归是怎么防止过拟合的？为什么正则化可以防止过拟合？（大家用自己的话介绍下）
A 逻辑回归是怎么防止过拟合
1. 增加样本量，这是万能的方法，适用任何模型。
2. 如果数据稀疏，使用L1正则，其他情况，用L2要好，可自己尝试。
3. 通过特征选择，剔除一些不重要的特征，从而降低模型复杂度。
4. 如果还过拟合，那就看看是否使用了过度复杂的特征构造工程，比如，某两个特征相乘/除/加等方式构造的特征，不要这样做了，保持原特征
5. 检查业务逻辑，判断特征有效性，是否在用结果预测结果等。
B 为什么正则化可以防止过拟合
特征变量过多会导致过拟合，为了防止过拟合会选择一些比较重要的特征变量，而删掉很多次要的特征变量。以sigmoid为例，当w趋于0时（忽略偏置b），激活值趋于0，此时位于激活函数的线性趋于，神经网络就变成一个线性网络，不容易过拟合。
2.用logiftic回归来进行实践操作，数据不限。
采用老师提供的数据表
代码：
运行结果：
