标签：数据挖掘 诊断 基于 对比 预测 高效 集中 一个 比较
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？
2.自述一下什么是过拟合和欠拟合？
3.思考一下逻辑回归的应用场景有哪些？
1答：逻辑回归：是一种广义bai的线性回归分析模型。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。线性回归常运用于数学、金融、趋势线、经济学等领域。
2答：过拟合：所建的机器学习模型或者是深度学习模型在训练样本中表现得过于优越，导致在验证数据集以及测试数据集中表现不佳。
欠拟合：训练样本被提取的特征比较少，导致训练出来的模型不能很好地匹配，表现得很差，甚至样本本身都无法高效的识别。
3答：通过观察用户的购买记录，分析哪些特征的用户喜欢购买什么商品。比如一个公司的人工智能工程师，公司给的任务是基于客户在小红书上的播放记录，分析哪些人喜欢SUV，例如，如果一个客户喜欢看数学、哲学、心理学、科幻、健身方面的内容，拿到这些数据然后进行分析
标签：数据挖掘 诊断 基于 对比 预测 高效 集中 一个 比较
原文地址：https://www.cnblogs.com/hzxx/p/13069081.html
