sklearn SGDClassifier fit（）vs partial_fit（）

Question

我很困惑fit()和partial_fit()方法SGDClassifier。文檔對兩者都說，「適合隨機梯度下降的線性模型」。我知道的隨機梯度下降是，它需要一個（或一小部分整體）訓練示例來更新一次迭代中的模型參數。梯度下降在每次迭代中使用整個數據集。我想用邏輯迴歸來訓練一個模型。我想實現正常的梯度下降和隨機梯度下降，並比較它們所需的時間。如何做到這一點與SGDClassifier？ fit()方法是否像正常的梯度下降一樣工作？

Answer 1

我認爲partial_fit方法可用於更新已經過訓練的模型，而fit方法將從頭開始重新訓練模型。

至於手動選擇多少數據包含在每個權重更新中，我似乎無法在SGDClassifier documentation中找到這個參數。