机器学习之逻辑回归

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？

逻辑回归又称逻辑回归分析，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；

与线性回归相比大致有两大不同：

①性质不同，逻辑回归是一种广义的线性回归分析模型而线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

②应用不同，逻辑回归常用于数据挖掘，疾病自动诊断，经济预测等领域而线性回归常运用于数学、金融、趋势线、经济学等领域。

 

2.自述一下什么是过拟合和欠拟合？

过拟合：太过贴近于训练数据的特征了，在训练集上表现非常优秀，近乎完美的预测/区分了所有的数据，但是在新的测试集上却表现平平。

欠拟合：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？

逻辑回归的应用场景有数据挖掘，疾病自动诊断，经济预测等领域