SVM、LR、决策树的对比【面试题详解】

今天爱分享给大家带来SVM、LR、决策树的对比【面试题详解】，希望能够帮助到大家。
模型复杂度：SVM支持核函数，可处理线性非线性问题;LR模型简单，训练速度快，适合处理线性问题;决策树容易过拟合，需要进行剪枝

损失函数：SVM hinge loss; LR L2 logistical loss（对数似然损失）; adaboost 指数损失

数据敏感度：SVM添加容忍度对outlier不敏感，只关心支持向量，且需要先做归一化; LR对异常点敏感

数据量：数据量大就用LR，数据量小且特征少就用SVM非线性核