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？

逻辑回归又称logistic回归分析，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。

线性回归要求因变量必须是连续性数据变量；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

2.自述一下什么是过拟合和欠拟合？

过拟合是在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将抽样误差也考虑在内，将抽样误差也进行了很好的拟合。一味追求提高对训练数据的预测能力，所得到模型的复杂度往往比真实模型要高。具体表现就是所得到的模型训练误差很低,但是在测试集上表现差，即模型的泛化能力弱。

欠拟合通常是由于学习器的学习能力不足，样本不够或者算法不精确，测试样本特性没有学到，不具泛化性，拿到新样本后没有办法去准确的判断。

 

 

3.思考一下逻辑回归的应用场景有哪些？

  用于分类：适合做很多分类算法的基础组件。

  用于预测：预测事件发生的概率（输出）。

  用于分析：单一因素对某一个事件发生的影响因素分析（特征参数值）。