线性模型训练-SGD_v2

# 线性模型训练-SGD_v2

定义

​M.linear_sgd_train.v2(self, training_ds, features, test_ds=None, loss='auto', penalty='l2', alpha=0.0001, n_iter=5, shuffle=True,eta0=0.1, algo='classifier')

线性随机梯度下降算法,可以用做分类和回归类的训练。

参数:

  • training_ds (DataSource) – 训练数据。
  • features (字符串|列表|DataSource) – 因子/特征,支持基础特征和衍生特征。
  • test_ds (DataSource) – 训练时用的测试集,可以根据此数据集上的预测效果,来做模型参数和特征等的调整;默认值是None。
  • loss (choice) – 损失函数类型;可选值有: auto, squared_loss, huber, epsilon_insensitive, squared_epsilon_insensitive, hinge, log,
    modified_huber, squared_hinge, perceptron;默认值是auto。
  • penalty (choice) – 正则类型;可选值有: l1, l2;默认值是l2。
  • alpha (float) – 正则损失函数的系数;默认值是0.0001。
  • n_iter (int) – 训练迭代次数;默认值是5。
  • shuffle (bool) – 训练时,是否先随机打乱;默认值是True。
  • eta0 (float) – 初始学习率;默认值是0.1。
  • algo (choice) – 算法类型,classifier是分类算法,regressor是回归算法;可选值有: classifier, regressor;默认值是classifier。

返回:

  • .model: 训练出来的模型

返回类型:

  • Outputs