背景：
我在使用scikit库中的被动攻击器（Passive Aggressor），对是否应该使用热启动还是部分拟合感到困惑。
迄今为止的努力：
- 参考了这个讨论线程：
https://github.com/scikit-learn/scikit-learn/issues/1585
- 查看了scikit代码中的_fit和_partial_fit部分。
我的观察：
-
_fit实际上调用了_partial_fit。 -
当设置了
warm_start时，_fit会调用 _partial_fit 并传入self.coef_参数。 -
当调用
_partial_fit且没有传入coef_init参数，同时self.coef_已设置时，它会继续使用self.coef_。
问题：
我觉得它们最终提供的功能是相同的。那么，它们之间的基本区别是什么？在哪些情况下使用它们中的每一个？
我是否遗漏了显而易见的内容？任何帮助都将不胜感激！
回答：
我对被动攻击器不太了解，但至少在使用SGDRegressor时，partial_fit 只会拟合1个周期，而 fit 会拟合多个周期（直到损失收敛或达到 max_iter）。因此，当为模型拟合新数据时，partial_fit 只会朝新数据调整模型一步，但使用 fit 和 warm_start 时，它会像是将旧数据和新数据结合起来，并一次拟合模型直到收敛。
示例：
from sklearn.linear_model import SGDRegressorimport numpy as npnp.random.seed(0)X = np.linspace(-1, 1, num=50).reshape(-1, 1)Y = (X * 1.5 + 2).reshape(50,)modelFit = SGDRegressor(learning_rate="adaptive", eta0=0.01, random_state=0, verbose=1, shuffle=True, max_iter=2000, tol=1e-3, warm_start=True)modelPartialFit = SGDRegressor(learning_rate="adaptive", eta0=0.01, random_state=0, verbose=1, shuffle=True, max_iter=2000, tol=1e-3, warm_start=False)# 首先拟合一些数据modelFit.fit(X, Y)modelPartialFit.fit(X, Y)# 对于两者：在50个周期后收敛，范数：1.46，NNZs：1，偏置：2.000027，T：2500，平均损失：0.000237print(modelFit.coef_, modelPartialFit.coef_) # 对于两者：[1.46303288]# 现在拟合新数据（零）newX = XnewY = 0 * Y# 仅拟合1个周期，范数：1.23，NNZs：1，偏置：1.208630，T：50，平均损失：1.595492：modelPartialFit.partial_fit(newX, newY)# 在49个周期后收敛，范数：0.04，NNZs：1，偏置：0.000077，T：2450，平均损失：0.000313：modelFit.fit(newX, newY)print(modelFit.coef_, modelPartialFit.coef_) # [0.04245779] vs. [1.22919864]newX = np.reshape([2], (-1, 1))print(modelFit.predict(newX), modelPartialFit.predict(newX)) # [0.08499296] vs. [3.66702685]