python机器学习库sklearn——SGD梯度下降法

分享一个朋友的人工智能教程。零基础！通俗易懂！风趣幽默！还带黄段子！大家可以看看是否对自己有帮助：点击打开

docker/kubernetes入门视频教程

---

全栈工程师开发手册 （作者：栾鹏）
python数据挖掘系列教程

梯度下降法算法详情参考：https://www.cnblogs.com/pinard/p/5970503.html

随机梯度下降(SGD) 是一种简单但又非常高效的方法，主要用于凸损失函数下线性分类器的判别式学习，例如(线性) 支持向量机 和 Logistic 回归 。

Stochastic Gradient Descent （随机梯度下降法）的优势:

• 高效。
• 易于实现 (有大量优化代码的机会)。

Stochastic Gradient Descent （随机梯度下降法）的劣势:

• SGD 需要一些超参数，例如 regularization （正则化）参数和 number of iterations （迭代次数）。
• SGD 对 feature scaling （特征缩放）敏感。

随机梯度下降分类

loss function（损失函数） 可以通过 loss 参数来设置。 SGDClassifier 支持以下的 loss functions（损失函数）：