如何为 sklearn.linear_model.SGDRegressor 设置参数，使其执行批量梯度下降？

我想使用批量梯度下降来解决一个线性回归问题。我需要让 SGD 表现得像批量梯度下降一样，我想这可以通过在每个 epoch 结束时修改模型来实现。是否可以通过某种参数设置让它这样运行？

回答：

我需要让 SGD 表现得像批量梯度下降一样，我想这可以通过在每个 epoch 结束时修改模型来实现。

你不能这样做；从文档中可以清楚地看到：

损失的梯度是每次一个样本地估计的，模型会在过程中更新

尽管在SGDClassifier文档中提到

SGD 允许小批量（在线/离线）学习

这可能也适用于 SGDRegressor，但实际的意思是你可以使用 partial_fit 方法以不同的批次提供数据；然而，计算（和更新）总是按样本进行的。

如果你确实需要使用 GD 进行线性回归，你可以在 Keras 或 Tensorflow 中轻松实现，只需组装一个 LR 模型，并将批量大小设置为整个训练样本集的大小即可。