LR和SVM的相同点：
- LR和SVM都是分类算法。
- 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。
- LR和SVM都是监督学习算法。
- LR和SVM都是判别模型。
- LR和SVM在学术界和工业界都广为人知并且应用广泛。
LR和SVM的不同：
- 本质上是其loss function不同。逻辑回归方法基于概率理论，假设样本为1的概率可以用sigmoid函数来表示，然后通过极大似然估计的方法估计出参数的值，支持向量机基于几何间隔最大化原理
- 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。
- 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。
- 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。
- SVM的损失函数就自带正则！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！