1.用自己的話描述一下，什麼是邏輯迴歸，與線性迴歸對比，有什麼不同？
線性迴歸：
線性迴歸是一種迴歸分析技術.迴歸分析就是利用樣本（已知數據），產生擬合方程，從而對未知數據進行預測，迴歸在於分析自變量與因變量之間的關係。線性回歸屬於有監督學習，因此方法和監督學習應該是一樣的，先給定一個訓練集，根據這個訓練集學習出一個線性函數，然後測試這個函數訓練的好不好，挑選出最好的函數即可
線性迴歸函數：y = ax + b, 其中a和b是待求參數。邏輯迴歸：函數p = S(ax + b), 其中a和b是待求參數， S是邏輯斯蒂函數，然後根據p與1-p的大小確定輸出的值，通常閾值取0.5，若p大於0.5則歸爲1這類。
可以認爲邏輯迴歸的輸入是線性迴歸的輸出，將邏輯斯蒂函數作用於線性迴歸的輸出得到輸出結果。
線性迴歸與邏輯迴歸最大的區別就在於他們的因變量不同。
2.自述一下什麼是過擬合和欠擬合？
欠擬合的根本的原因是特徵維度過少，導致擬合的函數無法滿足訓練集，誤差較大。可以通過增加特徵維度來解決。
過擬合根本的原因則是特徵維度過多，導致擬合的函數完美的經過訓練集，但是對新數據的預測結果則較差。可以減少特徵維度; 人工選擇保留的特徵，或者模型選擇算法解決。或者將數據正則化; 保留所有的特徵，通過降低參數θ的值。
3.思考一下邏輯迴歸的應用場景有哪些？
（1）預測事件發生概率
（2）預測某個地方發病情況
（3）預測股票跌漲