问问题描述
lr与svm有什么区别，拜谢！求解答这个难题！
答精选答案
逻辑回归（LR）和支持向量机（SVM）都是常用的监督学习算法，用于分类问题。以下是它们的主要区别：
相同点：
分类算法 ：两者都是用于分类问题的算法。
线性分类算法 ：如果不考虑核函数，LR和SVM的分类决策函数都是线性的。
监督学习算法 ：它们都利用标记数据来训练模型。
判别模型 ：LR和SVM都是判别模型，它们生成一个表示P（Y|X）的判别函数。
不同点：
损失函数 ：
LR使用对数损失函数（Logistic Loss），也称为交叉熵损失函数。
SVM使用合页损失函数（Hinge Loss）。
决策边界 ：
LR的决策边界是一条直线（在二维空间中）或一个超平面（在多维空间中），它尝试最大程度地拟合数据分布。
本文来自作者[2NE1]投稿，不代表公众科技网立场，如若转载，请注明出处：https://www.cpst.net.cn/jiaoyuchangshi/202609/2223513.html
评论列表（4条）
我是公众科技网的签约作者“2NE1”！
希望本篇文章《lr与svm有什么区别》能对你有所帮助！
本站[公众科技网]内容主要涵盖：教育咨询,知识百科
本文概览：逻辑回归（LR）和支持向量机（SVM）都是常用的监督学习算法，用于分类问题。以下是它们的主要区别： 相同点：分类算法 ：两者都是用于分类问题的算法。线性分类算法 ：如果不考虑核函数，LR和SVM的分类决策函数都是线性的。监督学习算法 ：它们都利用标记数据来训练模型。判别模型 ：LR和SVM都是判别模型，它们生成一个表示P（Y|X）的判别函数。 不同点：损失函数 ： LR使用对数损失函数（Logistic Loss），也称为交叉熵损失函数。 SVM使用合页损失函数（Hinge Loss）。决策边界 ： LR