SVM与LR的异同点

相同点：

（1）都是监督学习算法

（2）都是分类算法，都是判别模型 P（x|y）

（3）若SVM不考虑核函数，都是线性分类算法，决策面是线性的

不同点：

（1）测度不同，SVM是距离测度，基于几何间隔最大化作为度量原则；LR是概率测度，计算样本概率，用极大似然估计计算参数。因此，二者的loss function不同

（2）样本点对分类决策面的影响不同。SVM只有支持向量的样本（局部边界点）对最优决策面有影响，其他样本点对决策面没有影响。LR全局样本点对参数估计都有影响

（3）解决非线性分类的问题，SVM采用核函数，LR不需要采用核函数

（4）SVM 损失函数里自带正则化项，所以SVM是结构风险最小化算法；LR损失函数在解决过拟合时要加正则化项