- LR与SVM都可以处理分类问题，且一般都可以用于线性二分类问题
- 两个方法都可以增加不同的正则化项 区别：
- LR是参数模型，SVM是非参数模型（参数模型是假设总体服从某一个分布，该分布由一些参数确定，在此基础上构建的模型为参数模型，而非参数模型对于总体的分布不做假设，这里LR是提前假设了分布为伯努利分布即0,1分布，继而求解构建的极大似然函数）
- 从目标函数上看，LR采用logistical loss，SVM采用的是hinge loss
- SVM的处理方式是只考虑支持向量，而LR通过非线性映射，大大减少了离分类面较远的点的权重
- SVM分类预测只需要计算与少数几个支持向量的距离
- LR能做的SVM能做，但可能在准确率上有问题，SVM能做的RL有的做不了
