我对. fit()
_ 文档说,“使用随机梯度下降拟合线性模型。”。partial_fit()
SGDClassifier
我对随机梯度下降的了解是,在一次迭代中更新模型的参数需要一个(或整体的一小部分)训练示例。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。如何做到这一点SGDClassifier
?方法是否fit()
像正常的梯度下降一样工作?
我对. fit()
_ 文档说,“使用随机梯度下降拟合线性模型。”。partial_fit()
SGDClassifier
我对随机梯度下降的了解是,在一次迭代中更新模型的参数需要一个(或整体的一小部分)训练示例。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。如何做到这一点SGDClassifier
?方法是否fit()
像正常的梯度下降一样工作?
我认为该partial_fit
方法对于更新已经训练过的模型很有用,而该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,我似乎在SGDClassifier 文档中找不到这方面的论据。