差异与优劣对比:
1、逻辑回归与SVM的损失函数不同,逻辑回归采用的是平方损失函数,SVM采用的是合页损失函数。但是两种损失函数的目的是相同的,都是增加对分类影响较大的数据点的权重,减少与分类关系较小的数据点的权重。
2、SVM的合页损失函数有一块“平坦”的零区域,使得支持向量的解具有稀疏性,而逻辑回归的损失函数是光滑的单调函数,没有支持向量的概念,逻辑回归更依赖于更多的数据,受数据分布的影响。
3、逻辑回归的输出具有自然的概率意义,即给出预测标记的同时也给出了概率,而支持向量机不具有概率意义。
4、SVM依赖数据表达的距离测度,所以需要对数据先做 normalization;逻辑回归不受其影响。
使用情况:
当你的数据非常非常大然后完全跑不动SVM的时候,跑逻辑回归。SVM适合于小样本学习。
1、用如果特征量相对于样本量来说比较大,此时可以应用逻辑回归,或LinearSVM。
2、如果特征量比样本量少,而样本量又不是特别大的话,此时可以应用SVM+Gaussian Kernel。
3、如果特征量比样本量少,而样本量又特别大的话,此时可以应用逻辑回归或LinearSVM。