在 scikit learn 中评估 SGD 分类器的收敛性答案

【问题标题】：Evaluating convergence of SGD classifier in scikit learn在 scikit learn 中评估 SGD 分类器的收敛性
【发布时间】：2014-09-02 16:12:51
【问题描述】：

是否有任何自动化方法来评估 SGDClassifier 的收敛性？

我正在尝试在 python 中运行弹性网络 logit，并且正在使用 scikit learn 的 SGDClassifier 与日志丢失和弹性网络惩罚。当我在 python 中拟合模型时，我的系数全为零。当我在 R 中运行 glmnet 时，我得到了显着的非零系数。

经过一番折腾，我发现 scikit 学习系数在大约 1000 次迭代后接近 R 系数。

我在 scikit 中是否缺少任何方法来学习迭代，直到系数的变化相对较小（或已执行最大迭代次数），或者我是否需要自己通过交叉验证来做到这一点。

【问题讨论】：

【解决方案1】：

这是 scikit-learn 的 SGD 分类器当前实现的已知限制，目前该模型没有自动收敛检查。您可以设置verbose=1 以在运行时获得一些反馈。

【讨论】：