SVM和LR的区别

1、样本点的的不同

SVM只有关键点的样本点对模型结果有影响,即支持向量对模型结果有影响。
LR中每个点都对样本点有影响。

2、损失函数不同

SVM的损失函数是Hinge损失函数:

LR的损失函数是log损失函数:

3、理论基础不同

SVM基于严格的数学推导;LR基于统计。

4、输出不同

LR可以对每个样本点给出类别判断的概率值,而SVM只有判断

5、可处理的特征空间维度不同。

LR在特征空间维度很高时,表现较差。
SVM则可以通过对偶求解高纬度特征空间。

6、防止过拟合能力不同

SVM模型包含中包含了L2正则化

7、处理非线性的能力不同

8、抗噪声数据能力不同

你可能感兴趣的:(SVM和LR的区别)