SGDClassifier是一个用随机梯度下降算法训练的线性分类器的集合。默认情况下是一个线性(软间隔)支持向量机分类器。
因为支持向量机的另一种解释是最小化合页损失函数(统计学习方法P113),所以损失函数可以通过梯度下降的算法来求参数。下面是SGDClassifier的使用方法:
参数
loss:损失函数选择项,字符串型;默认为’hinge’即SVM;'log’为逻辑回归。
penalty:惩罚方式,字符串型;默认为’l2’;其余有’none’,‘l1’,‘elasticnet’。
alpha:惩罚参数,浮点型;默认值为0.0001。
n_iter:迭代次数,整数型;默认值为5。
learning_rate:学习速率,字符串型;默认值为’optimal’,根据alpha计算得到。
属性
coef_:参数。
intercept_:截距。
方法表
fit(X,y):拟合。
get_params():得到参数表中的所有参数。
predict(X):预测。
score(X,y):返回准确率。