相同：
1.本质都是线性分类器，都是要求一个最佳分类的超平面
2.都是监督模型
3.都是判别模型 判别模型有：KNN,SVL,LR, 生成模型：朴素贝叶斯， 马尔可夫

不同点：
1.损失函数不同，lr是交叉熵损失，SVM合页损失函数
2.SVM考虑分类边界线附近的样本（决定分类超平面的样本）。在支持向量外添加或减少任何样本点对分类决策面没有任何影响；
LR受所有数据点的影响。直接依赖数据分布，每个样本点都会影响决策面的结果。
3.SVM需要做归一化，因为SVM是依赖于距离表达的度量，LR需要做归一化是因为梯度下降需要提速。
4.SVM使用核函数，而逻辑回归不使用核函数，因为如果逻辑回归使用核函数，则每个样本点都有进行核计算，计算量会很大
5.SVM的损失函数就自带正则，而 LR 必须另外在损失函数之外添加正则项