svm和logistic有什么區別？

SVM和logistic回歸都是比較常用的算法，而這兩個算法有什么異同點呢。下面是自己的總結，當然也是自己的一些見解。

相同點：

1.都是分類模型

2.都是判別模型

不同點：

1.從損失函數角度：SVM用的是hinge loss,而logistic回歸用的是對率損失

2.從方法角度： SVM用的是統計方法，SVM最大間隔有完備的理論，logistic回歸是概率方法。

3.從對噪聲的影響角度：SVM對噪聲比較敏感，而logistic回歸對噪聲不是很敏感，是因為如果噪聲點落在了支持向量上，將會直接影響判別面的方程。而logistic回歸通過最大似然求解模型參數，將會弱化噪聲的影響。

4.從結果角度：SVM只能得到測試點屬于哪一類，而logistic回歸能得到屬于哪一類的概率，當然在SVM也可以通過樣本點離判別面的相對距離進行輸出屬于該類的概率。

5.從優化方法角度：SVM有專門屬于自己的特點的優化方法，SMO算法，該算法對于優化SVM非常的高效。logistic回歸可以通過一些常用的算法，如梯度下降，共軛梯度下降，牛頓法

6.處理非線性的角度： SVM可以通過核方法，logistic可以通過特征的離散化將其非線性化。

7.處理大數據角度： SVM很難處理大數據，因為SVM模型主要是由支持向量決定，而支持向量隨著數據量多項式增加。而logistic可以很容易運用到大數據當中。