是否可以在sklearn中进行小批量梯度下降以进行逻辑回归？我知道有LogisticRegression模型和SGDClassifier（可以使用log损失函数）。但是，LogisticRegression适用于整个数据集，SGDClassifier适用于逐样本（可以更正该陈述，但这是我理解随机梯度下降的方式）。
也有partial_fit方法，但这仅适用于SGD。我相信，如果我将partial_fit用于SGD，它将在每次移到下一个数据集样本时更新权重（就像普通的fit方法一样）。因此，如果我向partial_fit提供10个样本块，它将进行10个更新-但这不是我想要的。
我需要获得的是在每个第n个样本后更新权重，就像在小批量梯度下降中一样。根据我对LogisticRegression的了解，它可以使用称为warm_start的东西，这意味着将先前fit方法的权重设置为当前fit的初始权重。
如果关于warm_start的理论是正确的，我是否可以多次使用fit方法，而每次只在一个小批量生产中使用？还是有其他方法可以在sklearn中进行小批量梯度下降？
我发现this question非常相似，只是它没有讨论warm_start的想法，所以这就是我再次询问的原因。