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？
- 线性回归只能用于回归问题，逻辑回归用于分类问题（二分类、多分类）
- 线性回归使用最小二乘法作为参数估计方法，逻辑回归使用极大似然法作为参数估计方法
2.自述一下什么是过拟合和欠拟合？
欠拟合：训练样本被提取的特征比较少，导致训练出来的模型不能很好地匹配，表现得很差
过拟合：其实就是所建的机器学习模型或者是深度学习模型在训练样本中表现得过于优越，导致在验证数据集以及测试数据集中表现不佳。过拟合就是学到了很多没必要的特征，举个例子：一个男人穿着蓝色的衣服，神经网络可能把是否穿蓝色衣服作为区分男人女人的特征，这就是过拟合。
产生原因：一般是因为参数过多，样本过少。总之就是参数/样本的比太大。
3.思考一下逻辑回归的应用场景有哪些？
可以用来做分类问题，比如判断苹果是否成熟、是否下雨。