SVM和LR区别和联系？

相同点：

(1) LR和SVM都是分类算法。
(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。
(4) LR和SVM都是判别模型。

区别点：

(1) 本质上是其loss function不同。
(2) 支持向量机只考虑局部的边界线附近的点，而逻辑回归考虑全局（远离的点对边界线的确定也起作用）。
(3) 在解决非线性问题时，支持向量机采用核函数的机制，而LR通常不采用核函数的方法。
(4) 线性SVM依赖数据表达的距离测度，所以需要对数据先做normalization，LR不受其影响。
(5) SVM的损失函数就自带正则！！！（损失函数中的 

 项），这就是为什么SVM是结构风险最小化算法的原因。而LR必须另外在损失函数上添加正则项，即在损失函数后面加 

 
(6) LR可以给出每个点属于每一类的概率，而SVM是非概率的。

参考文献中对细节讲的很细，有需要的读者可以看看~~~

参考文献：

SVM和logistic回归分别在什么情况下使用？
blog.csdn.net/zl3090/ar
blog.csdn.net/xiaocong1