在python中SGD分类器和SGD回归器有什么不同？
在python中SGD分类器和SGD回归器有什么不同？
提问于 2019-02-15 14:50:11
在python sklearn中，SGD分类器和SGD回归器有什么不同？另外，我们可以设置批处理大小以提高性能吗？
回答 3
Stack Overflow用户
发布于 2019-02-15 15:53:17
好吧，它在名字里。SGD分类器是在分类问题中使用SGD (每次获取每个样本的损失的梯度，并在此过程中更新模型)进行优化(训练)的模型。它可以表示各种分类模型(支持向量机，逻辑回归...)它是用loss参数定义的。默认情况下，它表示线性支持向量机。SGD Regressor是一个使用SGD进行回归任务优化(训练)的模型。它基本上是一个线性模型，随着学习率的下降而不断更新。
Stack Overflow用户
发布于 2019-02-15 16:35:25
SGD (随机梯度下降)是一种机器学习算法或模型用来优化损失函数的优化方法。
在scikit-learn库中，这些模型是SGDClassifier和SGDRegressor，这可能会让你混淆，认为SGD是一个分类器和回归器。
但事实并非如此。
SGDClassifier -它是一个由SGD SGDRegressor优化的classifier -它是一个由SGD优化的regressor。
随机梯度下降{SGD}不支持批量，它与{ batch } 梯度下降不同，它一次只接受一个训练示例。
使用sklearn部分拟合的示例
from sklearn.linear_model import SGDClassifier
import random
clf2 = SGDClassifier(loss='log') # shuffle=True is useless here
shuffledRange = range(len(X))
n_iter = 5
for n in range(n_iter):
random.shuffle(shuffledRange)
shuffledX = [X[i] for i in shuffledRange]
shuffledY = [Y[i] for i in shuffledRange]
for batch in batches(range(len(shuffledX)), 10000):
clf2.partial_fit(shuffledX[batch[0]:batch[-1]+1], shuffledY[batch[0]:batch[-1]+1], classes=numpy.unique(Y))Stack Overflow用户
发布于 2019-05-07 16:01:06
分类器预测某个数据属于哪个类。
this picture is a cat (not a dog)Regressor通常预测它属于哪个类的概率
this picture with 99% of probability is a cat 页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/54704015
复制相关文章
相似问题
腾讯云开发者
