6.逻辑回归

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？

逻辑回归是一种用来解决二分类问题的机器学习方法，用来估计某种事物发生得到可能性，它与线性回归的区别就是它是是一种广义的线性回归分析模型，而逻辑回归多是通过数理统计分析两种或两种以上变量间的依赖关系。

即线性回归偏向于通过分析两种或两种以上的依赖变量进行预测，逻辑回归则是通过许多变量（包括非线性变量）进行的一种分类

2.自述一下什么是过拟合和欠拟合？

过拟合:太过于接近训练数据的特征，在训练集上表现很优秀，但是在新的测试集中表现的一般般

欠拟合:样本不够或者算法不够准确，无法学习到训练数据的特征，导致测试集表现较差

 

3.思考一下逻辑回归的应用场景有哪些？

 逻辑回归可以用来分析预测消费者对某一产品不同品牌的购买欲望，可以用来分析预测疾病的来源等。