逻辑回归与 SVM 的区别
哪些公司问过
答案要点
- 损失不同:LR 用对数损失、最大化似然;SVM 用 hinge 损失、最大化间隔
- LR 输出概率,便于排序和阈值调整;SVM 输出决策值,不直接是概率
- SVM 只由支持向量决定,远离边界的点不影响;LR 所有样本都参与
- SVM 对偶形式只依赖内积,易用核函数处理非线性;LR 通常靠特征工程
- SVM 基于距离需要特征归一化;大规模数据下 LR 训练更高效
易错点
- 说 SVM 完全不受异常值影响,间隔内或错分的异常点仍有影响
- 把 SVM 的输出当作概率使用,需要 Platt scaling 等方法校准
- 用 SVM 前不做特征归一化
面试官常见追问
- SVM 核函数的本质是什么?
- SVM 可以用哪些核函数?
- 用了高斯核的 SVM 和 LR 有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。