相同：
1.本質都是線性分類器，都是要求一個最佳分類的超平面
2.都是監督模型
3.都是判別模型 判別模型有：KNN,SVL,LR, 生成模型：樸素貝葉斯， 馬爾可夫
不同點：
1.損失函數不同，lr是交叉熵損失，SVM合頁損失函數
2.SVM考慮分類邊界線附近的樣本（決定分類超平面的樣本）。在支持向量外添加或減少任何樣本點對分類決策面沒有任何影響；
LR受所有數據點的影響。直接依賴數據分佈，每個樣本點都會影響決策面的結果。
3.SVM需要做歸一化，因爲SVM是依賴於距離表達的度量，LR需要做歸一化是因爲梯度下降需要提速。
4.SVM使用核函數，而邏輯迴歸不使用核函數，因爲如果邏輯迴歸使用核函數，則每個樣本點都有進行覈計算，計算量會很大
5.SVM的損失函數就自帶正則，而 LR 必須另外在損失函數之外添加正則項