В scikit-learn SGDRegressor выполняет стохастический градиентный спуск, т. Е. Использует одну выборку вместо всей выборки (скажем, размера n) для обновления коэффициентов модели. Тем не менее, он все еще загружает весь набор данных в память.
С другой стороны, метод partial_fit SGDRegressor позволяет загружать в память только подмножество n выборок и, таким образом, может помочь с большим набором данных.
Мои вопросы:
- Использует ли метод
partial_fit (хотя его иногда сравнивают с мини-пакетным GD на основе моего веб-поиска) все еще только один пример для обновления коэффициентов модели? Насколько я понимаю, мини-пакетный алгоритм GD должен использовать не одну выборку, а подмножество из n выборок, чтобы обновить коэффициенты как компромисс между стохастической и пакетной GD.
- Если ответ на вопрос 1 - да, есть ли способ выполнить мини-градиент партии в настройке регрессии scikit-learn?