LR和SVM的聯系與區別？
相同點：
（1）?LR和SVM都可以處理分類問題?，且—?般都用于處理線性二?分類問題（在改進的情況下可以處理多分類問題）
（2）兩個方?法都可以增加不同的正則化項?，如L1、?L2等等。所以在很多實驗中?，兩種算法的結果是很接近的。
區別：
（1）?LR是參數模型，?SVM是非參數模型。
（2）從目 標函數來看?，區別在于邏輯回歸采用 的是Logistical Loss?，SVM采用 的是hinge?loss.這兩個損失函數的目?的都是增加對分類影響較大 的數據點的權重?，減少與分類關系較小 的數據點的權重。
（3）?SVM的處理方?法是只考慮Support?Vectors?，也就是和分類最相關的少數點?，去學習分類器。?而邏輯回歸通過??非?線性映射?，大大?減小 了離分類平面?較遠的點的權重?，相對提升了與分類最相關的數據點的權重。
（4）邏輯回歸相對來說模型更簡單，好理解?，特別是大?規模線性分類時比?較方?便。而SVM的理解和優化相對來說?復雜—?些，?SVM轉化為對偶問題后,分類只需要計算與少數幾?個支?持向量的距離,這個在進行?復雜核函數計算時優勢?很明顯,能夠大大?簡化模型和計算。
（5）?Logic能做的SVM能做?，但可能在準確率上有問題，?SVM能做的Logic有的做不了。
)
)
