Linear SVM和LR的区别和联系

首先，SVM和LR(Logistic Regression)都是分类算法。SVM通常有4个核函数，其中一个是线性核，当使用线性核时，SVM就是Linear SVM，其实就是一个线性分类器，而LR也是一个线性分类器，这是两者的共同之处。

不同之处在于，第一，LR只要求计算出一个决策面，把样本点分为两类就行了，不要求分得有多好；而Linear SVM要求决策面距离两个类的点的距离要最大。

第二，Linear SVM只考虑边界线附近的点，而LR要考虑整个样本所有的点，如果增加一些样本点，只要这些样本点不在Linear SVM的边界线附近（即在支持向量外），Linear SVM的决策面是不会变的，而LR的决策面是会发生变化的，即LR中每个样本点都会对决策面产生影响。

第三，由于指导思想的不同，两者的Loss function是不同的。