使用sklearn进行分类实现批量梯度下降的方法是什么？ 我们为随机GD提供了 SGDClassifier ，它一次将具有一个实例，而 线性/逻辑回归 则使用正常等式。
答案 0 :(得分：1)
other similar question以及sklearn docs中指出的问题的可能答案：
SGD允许进行小批量（在线/核心外）学习，请参阅 partial_fit方法。
但是partial_fit真的是一个不错的批处理梯度吗？
SGD：对于每个样本，使用梯度体面步骤 计算成本函数的梯度并更新权重。
批次/最小批次SGD：使用梯度适当的步骤 每批次一次 ，计算成本函数的梯度并更新权重。
所以批SGD的批量大小为1 == SGD
现在我们对定义已经很清楚了，可以研究sklearn SGDClassifier
partial_fit的文档字符串说
在给定的样本上执行随机梯度下降的一个时期。
但这不是批处理SGD，但它看起来更像是一个辅助函数，用于与fit运行max_iter=1方法（实际上在文档字符串中的注释相同）。
partial_fit用_partial_fit Reference link呼叫max_iter==1
fit方法调用_fit，该方法调用_partial_fit设置为已分配的\默认最大迭代次数的max_iter。 Reference link
partial_fit确实不是真正做到批次SGD，即不是计算梯度并更新每批次的重量，而是对每个样品进行此操作。
sklearn中似乎没有进行批量梯度下降的机制。