我使用SGD分类器结合部分拟合方法来训练大量数据。我想监控何时达到可接受的收敛水平，这意味着我想知道某些数据每n次迭代的损失（可能是训练，可能是坚持，可能两者都有）。
如果我在分类器的构造函数中传递verbose=1，我知道这些信息是可用的，但我希望以编程方式而不是视觉方式查询它。我也知道我可以使用评分法来获得准确性，但我希望通过我选择的损失函数来衡量实际损失。
有人知道怎么做吗？
您必须使用score方法或sklearn.metrics中显式调用的损失函数之一。并不是所有SGDC的损耗都在sklearn.metrics中，而是对数损耗和铰链损耗。
上面的答案太短、过时，可能会造成误导。
使用评分法只能给出准确度（在BaseEstimator中）。如果您想要loss函数，您可以调用私有函数_get_loss_function（在BaseSGDClassifier中定义）。或者访问BaseSGDClassifier.loss_functions类属性，该属性将给您一个dict，其条目是可调用的损失函数（默认设置）
此外，使用sklearn.metrics可能无法获得用于最小化的精确损失（由于正则化和最小化内容，但您无论如何都可以手动计算）。Loss函数的确切代码在cython代码（sgd_fast.pyx，你可以在scikit学习github repo中查找代码）中定义
我正在寻找一种绘制最小化进度的好方法。可能会重定向stdout并解析输出。
顺便说一句，我用的是0.17.1。因此，更新答案。