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，它将数据拟合到一个logit函数或者是logistic函数中，从而能够完成对事件发生的概率进行预测，常用于数据挖掘，疾病自动诊断，经济预测等领域；与线性回归对比，不同在线性回归是一种聚类方法，逻辑回归却是一种分类学习方法，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？

　　欠拟合 
　　因为对于给定数据集，欠拟合的成因大多是模型不够复杂、拟合函数的能力不够。 
为此可以增加迭代次数继续训练、尝试换用其他算法、增加模型的参数数量和复杂程度，或者采用Boosting等集成方法。

　　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？

　　数据挖掘，

　　疾病自动诊断，

　　经济预测等领域