我对 SGDClassifier 的 fit() 和 partial_fit() 方法感到困惑。文档中说，“使用随机梯度下降拟合线性模型。”。
我对随机梯度下降的了解是，它需要一个(或整体的一小部分)训练示例来在一次迭代中更新模型参数。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。我想实现正常的梯度下降和随机梯度下降并比较它们所需的时间。如何使用 SGDClassifier 做到这一点？ fit() 方法是否像正常的梯度下降一样工作？
最佳答案
我认为 partial_fit 方法对于更新已经训练过的模型很有用，而 fit 方法将从头开始重新训练模型。
至于手动选择每次权重更新中包含多少数据，我似乎无法在 SGDClassifier documentation 中找到对此的论据。 。
关于machine-learning - sklearn SGDClassifier fit() 与partial_fit()，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40683394/