6.逻辑归回

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）是用于处理因变量为分类变量的回归问题，常见的是二分类或二项分布问题，也可以处理多分类问题，它实际上是属于一种分类方法。

 

 区别：
　　线性回归假设响应变量服从正态分布，逻辑回归假设响应变量服从伯努利分布

　　逻辑回归与线性回归都是一种广义线性模型，输入都是一样的，但逻辑回归的结果是一个二分类问题。

　　逻辑回归处理的是分类问题，线性回归处理的是回归问题，这也导致了两个模型的取值范围不同：0-1和实数域

 

2.自述一下什么是过拟合和欠拟合？

欠拟合：

　　当模型复杂度很低时，测试误差和训练误差的损失值很高，这就是欠拟合。比如说你丢给计算机一些天鹅的属性让他预测，由于给的数据样本太少，所以计算机也可能会把鸭子认为天鹅，这便是欠拟合。

过拟合 
　　过拟合成因是给定的数据集相对过于简单，使得模型在拟合函数时过分地考虑了噪声等不必要的数据间的关联。或者说相对于给定数据集，模型过于复杂、拟合能力过强。

 

 

3.思考一下逻辑回归的应用场景有哪些？

（1）广告点击率；

（2）是否为垃圾邮件；

（3）是否患病；

（4）金融诈骗；

（5）虚假账号