Python中的SGD分类器和SGD回归器之间的区别是什么?

Question

python sklearn中的SGD分类器和SGD回归器之间有什么区别？另外，我们可以设置批处理大小以使其更快的性能吗？

Answer 1

好吧，它是名称。SGD分类器是一种使用SGD优化（训练）的模型（一次在分类问题中一次更新每个样本的丢失，并且该模型沿途更新）。它可以代表使用loss参数定义的各种分类模型（SVM，逻辑回归...）。默认情况下，它表示线性SVM。SGD回归器是一种使用SGD进行回归任务的SGD优化（训练）的模型。基本上，这是一个线性模型，并以腐烂的学习率进行更新。

Answer 2

sgd {随机梯度下降}是一种优化方法，它通过机器学习算法或模型来优化损失函数。

在Scikit-Learn库中，这些模型SGDClassifier和SGDRegressor，可能会使您认为SGD是分类器和回归器。

但事实并非如此。

SGDClassifier-这是由SGD优化的分类器 SGDRegressor-这是由SGD优化的回归剂。

随机梯度下降 {sgd}不支持批处理，它一次进行单个训练示例，与{batch} 梯度>渐变下降。

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))

Answer 3

分类器预测哪个类属于某些数据。

this picture is a cat (not a dog)

回归器通常可以预测其属于哪个类的概率

this picture with 99% of probability is a cat