用逻辑回归实现的真实业务场景

下面给出在现实工业界和学术界常用逻辑回归实现的真实业务场景：

1、贷款违约情况（会违约/不会违约）--LR在金融风控领域，经常用这种模型来判断一个人的信用状况；
比如这个用户年纪比较小，或者之前有一些逾期的记录，或者这个用户的薪资没有达到一定标准的时候，预测他违约的概率较大，我们可以选择拒贷；
在很多银行，或者非银行机构，都会用LR来做预测的问题；

2、广告点击问题--CTR点击率预估很多互联网公司赚钱，都是靠广告的。比如百度、谷歌大部分的收入，都来源于广告，这些广告是要分析用户行为的，做精准的投放，这样广告的浏览率和点击率会增加，从而给の往期2这些公司带来更多的利润。

3、商品推荐（会购买/不会购买）在商品推荐过程中，我们很多用矩阵分解，或者协同过滤的算法，但是我们也可以用逻辑回归来做。

4、情感分析（正面/负面）情感分析是很经典的一个文本分析的算法，它可以判断一篇文章的情感是正面的还是负面的。
我们可以从很多文本里面特征提取，提取完之后，放到逻辑回归模型里面，来预测这篇文章拥有正面情感的概率是多大
特别是在证券领域，我们可以通过这种方法，来判断未来股票的走势。

5、疾病诊断（阴性/阳性）比如给定一些图片，或者给一些传感器数据，能不能判断这个人有没有患病。

6、还有很多问题是基于逻辑回归的... ...即便最终上线的系统不是基于逻辑回顾，但是逻辑回归仍然是非常经典的，而且是非常优秀的baseline，是可以再一天或者两天内实现的一种系统。而且未必比使用深度学习网络，或者更复杂的模型效果差。

所以在机器学习的面试，或者算法工程师的面试过程中，会经常问一些逻辑回归相关的知识点。