我将 SGDClassifier 与部分拟合方法结合使用来训练大量数据。我想监控我何时达到了可接受的收敛水平，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，可能是保留，可能两者兼而有之）。
如果我在分类器的构造函数中传递 verbose=1，我知道此信息可用，但我想以编程方式而不是视觉方式查询它。我也知道我可以使用 score 方法来获得准确性，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？
【问题讨论】：
标签： python machine-learning scikit-learn
您必须使用score 方法或sklearn.metrics 中的一个损失函数，显式调用。并非所有 SGDC 的损失都在 sklearn.metrics，但 log loss 和 hinge loss 是。
【讨论】：
上述答案太短，过时，可能会导致误导。
使用 score 方法只能给出准确率（在 BaseEstimator 中）。如果你想要损失函数，你可以调用私有函数_get_loss_function（在BaseSGDClassifier中定义）。或访问BaseSGDClassifier.loss_functions 类属性，该属性将为您提供一个字典，其条目是可调用的损失函数（默认设置）
同样使用sklearn.metrics 可能不会得到用于最小化的确切损失（由于正则化和要最小化的内容，但您仍然可以手动计算）。 Loss 函数的具体代码在 cython 代码中定义（sgd_fast.pyx，你可以在 scikit-learn github repo 中查找代码）
我正在寻找一种绘制最小化进度的好方法。可能会重定向标准输出并解析输出。
顺便说一句，我使用的是 0.17.1。所以更新了答案。
【讨论】：