支持向量机（SVM）和逻辑回归(LR)

开篇

为什么把这两个机器模型放在一起呢，主要是因为它们经常会在面试中同时出现，这边把它们放在一起，解析一下它们之间的联系和区别。我们先看一下问题

经典算法问题
LR 与 SVM 的相同和不同？
讲一下其中的LR、SVM，以及区别和联系（2018京东算法）

解析
相同点：
1、首先两个都是常用的分类算法，这边要注意的是，不要看LR带了回归二字就以为它是回归模型，其实不是，它是分类模型。
2、如果不考虑核函数，LR和SVM都是线性分类算法，也就是说他们的分类决策面都是线性的。
3、LR和SVM都是监督学习算法。这点算是常识啦，大家应该都知道的。
4、LR和SVM都是判别模型
判别模型会生成一个表示P(Y|X)的判别函数（或预测模型），而生成模型先计算联合概率p(Y,X)然后通过贝叶斯公式转化为条件概率。简单来说，在计算判别模型时，不会计算联合概率，而在计算生成模型时，必须先计算联合概率。或者这样理解：生成算法尝试去找到底这个数据是怎么生成的（产生的），然后再对一个信号进行分类。基于你的生成假设，那么那个类别最有可能产生这个信号，这个信号就属于那个类别。判别模型不关心数据是怎么生成的，它只关心信号之间的差别，然后用差别来简单对给定的一个信号进行分类。常见的判别模型有：KNN、SVM、LR，常见的生成模型有：朴素贝叶斯，隐马尔可夫模型。当然，这也是为什么很少有人问你朴素贝叶斯和LR以及朴素贝叶斯和SVM有什么区