python sklearn 梯度下降法_使用scikit Learn的批次梯度下降（sklearn）

我正在使用使用Scikit-Learn(sklearn)的全民对数Logistic回归分类器。我有一个很大的数据集，它太慢了，无法一次全部运行。我也想随着训练的进行研究学习曲线。

我想使用批次梯度下降来训练我的分类器，例如500个样本。是否有使用sklearn进行此操作的方法，还是应该放弃sklearn并“自己滚动”？

这是我到目前为止所拥有的：

from sklearn.linear_model import LogisticRegression

from sklearn.multiclass import OneVsRestClassifier

# xs are subsets of my training data, ys are ground truth for same; I have more

# data available for further training and cross-validation:

xs.shape, ys.shape

# => ((500, 784), (500))

lr = OneVsRestClassifier(LogisticRegression())

lr.fit(xs, ys)

lr.predict(xs[0,:])

# => [ 1.]

ys[0]

# => 1.0

也就是说，它可以正确地识别出训练样本(是的，我知道最好使用新数据对其进行评估-这只是一个快速的烟雾测试)。

重新批量下降：我还没有建立学习曲线，但是可以简单地反复fit训练数据的后续子集吗？还是有其他一些功能需要分批训练？该文档和Google对此都保持沉默。谢谢！