【发布时间】：2021-06-24 23:46:31
【问题描述】：
sklearn 的线性回归模型使用封闭或正态方程来查找参数。然而，对于大型数据集，梯度下降据说效率更高。有什么方法可以通过梯度下降来使用 sklearn 中的LinearRegression。
【问题讨论】：
标签： scikit-learn linear-regression gradient-descent
【发布时间】：2021-06-24 23:46:31
【问题描述】：
你要找的函数是：sklearn.linear_model.SGDRegressor
您可以修改loss 超参数，该参数将定义要使用的损失函数。
请注意，SGDRegressor 的 SGD 代表随机梯度下降。这意味着每次每个样本估计损失的梯度，并且随着强度计划（也称为学习率）递减，模型会随之更新。
【讨论】：
-
我完全理解你。我刚刚询问是否可以使用
batch gradient descent或mini-batch gradient descent代替SGD