2019-01-14
阅读量:
901
loss 参数设置
具体的损失函数可以通过 loss 参数设置。 SGDRegressor 支持以下的损失函数:
loss="squared_loss": Ordinary least squares（普通最小二乘法）,loss="huber": Huber loss for robust regression（Huber回归）,loss="epsilon_insensitive": linear Support Vector Regression（线性支持向量回归）.
Huber 和 epsilon-insensitive 损失函数可用于 robust regression（鲁棒回归）。不敏感区域的宽度必须通过参数 epsilon 来设定。这个参数取决于目标变量的规模。
SGDRegressor 支持 ASGD（平均随机梯度下降） 作为 SGDClassifier。 均值化可以通过设置 average=True 来启用。
对于利用了 squared loss（平方损失）和 l2 penalty（l2惩罚）的回归，在 Ridge 中提供了另一个采取 averaging strategy（平均策略）的 SGD 变体，其使用了随机平均梯度 (SAG) 算法。
0.0000
0
3
关注作者
收藏
评论(0)
发表评论
暂无数据
推荐帖子
CDA持证人阿涛哥
2025-05-14
0条评论
CDA持证人阿涛哥
2024-10-29
0条评论
CDA持证人阿涛哥
2024-04-14
0条评论