如何使用sklearn实现分类任务中的批量梯度下降？我们有SGDClassifier用于随机梯度下降，它一次处理一个实例，以及线性/逻辑回归，它使用正常方程法。
回答：
如另一个类似问题和sklearn的文档中指出的那样，问题的可能答案是：
SGD允许小批量（在线/离线）学习，参见partial_fit方法。
但是partial_fit真的是批量梯度下降吗？
SGD：计算成本函数的梯度，并使用梯度下降步骤为每个样本更新权重。
批量/小批量GD：计算成本函数的梯度，并使用梯度下降步骤每批次更新一次权重。
因此，批量大小为1的批量GD == SGD。
现在我们清楚了定义，让我们研究sklearn的SGDClassifier代码。
partial_fit的文档字符串说
对给定样本执行一次随机梯度下降的周期。
但这不是批量GD，它看起来更像是运行fit方法的辅助函数，设置max_iter=1（实际上在文档字符串中注释为相同）。
partial_fit调用_partial_fit，设置max_iter==1。参考链接
fit方法调用_fit，它调用_partial_fit，设置max_iter为指定/默认的最大迭代次数。参考链接
结论：
partial_fit实际上并不执行批量GD，即它不是按批次计算梯度并更新权重，而是为每个样本这样做。
在sklearn中似乎没有机制来执行批量梯度下降。
