sklearn SGDClassifier fit（）vs partial_fit（）

Question

我对fit()的{​​{1}}和partial_fit()方法感到困惑。文档对两者都说，“适合线性模型与随机梯度下降。”。

我对随机梯度下降的了解是，它需要一个（或一小部分整体）训练示例来在一次迭代中更新模型的参数。并且梯度下降使用每次迭代中的整个数据集。我想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执行此操作？ SGDClassifier方法是否像普通梯度下降一样工作？

Answer 1

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，我似乎无法在SGDClassifier documentation中找到相关的参数。