1、逻辑回归通常用于分类问题，决策树可回归、可分类。
    2、逻辑回归是线性函数，决策树是非线性函数。
    3、逻辑回归的表达式很简单，回归系数就确定了模型。决策树的形式就复杂了，叶子节点的范围+取值。两个模型在使用中都有很强的解释性，银行较喜欢。
    4、逻辑回归可用于高维稀疏数据场景，比如ctr预估；决策树变量连续最好，类别变量的话，稀疏性不能太高。
    5、逻辑回归的核心是sigmoid函数，具有无限可导的优点，常作为神经网络的激活函数。
    6、在集成模型中，随机森林、GBDT以决策树为基模型，Boosting算法也可以用逻辑回归作为基模型。