我对fit()的partial_fit()和SGDClassifier方法感到困惑。两种文档都说：“具有随机梯度下降的线性模型。”
我对随机梯度下降的了解是，需要一个（或一部分）训练示例来一次迭代更新模型参数。梯度下降在每次迭代中使用整个数据集。我想使用逻辑回归训练模型。我要实现正常的Gradient Descent和Stochastic梯度下降，并比较它们所需的时间。 SGDClassifier怎么做？ fit()方法是否可以用作正常梯度下降？
最佳答案
我认为partial_fit方法对于更新已经训练的模型很有用，而fit方法将从头开始重新训练模型。
至于手动选择每个权重更新中包含多少数据，我似乎在SGDClassifier documentation中找不到用于此的参数。
关于machine-learning - sklearn SGDClassifier fit()与part_fit()，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40683394/