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？
逻辑回归是机器学习算法的一种，它是在线性回归模型的基础上加入类别映射，从而实现分类问题。逻辑回归算法是在线性回归的基础上，构造因变量y的转换函数，将y的数值划分到0-1两类，或者多类，实现对事物的分类拟合与预测。它本质上还是一个线性回归模型，从回归的角度来看，它可以算是非线性回归算法。逻辑回归算法原理简单、高效，在实际中应用较为广泛。
2.自述一下什么是过拟合和欠拟合？
拟合是将数据之间模拟出一种近似函数的关系，来对数据的联系进行描述，从而得到某种结论。过拟合就是数据与拟合函数之间的相关性太强，对数据的要求过于苛刻；欠拟合就是数据与拟合函数之间的相关性太弱，拟合函数难以满足描述数据相关性的要求，误差太大。
3.思考一下逻辑回归的应用场景有哪些？
逻辑回归的应用场景有：预测学生是否被录取；分析用户的购买喜好；流行病的影响因素分析；广告点击率；是否患病；判断金融诈骗；识别垃圾邮件。