一、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？
1、逻辑回归定义：是一种广义的线性回归分析模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。逻辑回归用于处理因变量为分类变量的回归问题，是一种用于解决二分类问题的机器学习方法，用于估计某种事物的可能性。
2、区别：
（1）逻辑回归是一种广义的线性回归分析模型；线性回归是利用数理统计中回归分析
（2）逻辑回归要求因变量必须是分类变量，二分类或者多分类的；线性回归要求因变量必须是连续性数据变量
（3）逻辑回归常用于数据挖掘，疾病自动诊断，经济预测等领域；线性回归常运用于数学、金融、趋势线、经济学等领域。
二、自述一下什么是过拟合和欠拟合？
1、过拟合：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。
2、欠拟合：数据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，甚至样本都无法识别。
三、思考一下逻辑回归的应用场景有哪些？
1、探讨引发疾病的危险因素
2、预测广告的点击率
3、预测商品被购买的可能性
4、判断是否是垃圾邮件
5、判断是否是金融诈骗