逻辑回归LR和Z支持向量机SVM有什么异同,相同,不同

相同点:

• LR和SVM都是分类算法。
• LR和SVM都是监督学习算法。
• LR和SVM都是判别模型。
• 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。 说明：LR也是可以用核函数的.但LR通常不采用核函数的方法。（计算量太大）

 不同点:

1. 损失函数不同,LR采用log损失，SVM采用合页(hinge)损失
2. LR对异常值敏感，SVM对异常值不敏感。
3. 计算复杂度不同。对于海量数据，SVM的效率较低，LR效率比较高
4. 对非线性问题的处理方式不同
5.    ​ LR主要靠特征构造，必须组合交叉特征，特征离散化。SVM也可以这样，还可以通过核函数kernel（因为只有支持向量参与核计算，计算复杂度不高）。由于可以利用核函数，SVM则可以通过对偶求解高效处理。LR则在特征空间维度很高时，表现较差
6. SVM的损失函数就自带正则。
7. SVM自带结构风险最小化，LR则是经验风险最小化。
8. SVM会用核函数而LR一般不用核函数