Scikit学習/パンダの線形回帰と勾配降下？
もちろん、機械学習のコース https://share.coursera.org/wiki/index.php/ML:Linear_Regression_with_Multiple_Variables#Gradient_Descent_for_Multiple_Variables では、勾配降下法は収束するはずです。
私はscikit learnからの線形回帰を使用しています。勾配降下情報は提供されません。勾配降下法を使用した線形回帰を実装するためのスタックオーバーフローに関する多くの質問を見てきました。
Scikit-learnまたはpandasからの線形回帰をどのように使用しますか？OR scikit-learnまたはpandas =線形回帰出力で勾配降下情報を提供しませんか？
Scikit Learnは、線形回帰に対して2つのアプローチを提供します。
1）LRは閉形式解を持つ2つの分類子の1つであるため、LinearRegressionオブジェクトはscipyの通常の最小二乗ソルバーを使用します。 MLコースにもかかわらず、実際にこのモデルを学習するには、いくつかの行列を反転および乗算するだけです。
2）SGDClassifier確率的勾配降下法の実装であり、ペナルティ項を選択できる非常に一般的なものです。線形回帰を取得するには、損失をL2に、ペナルティもnone（線形回帰）またはL2（リッジ回帰）に選択します。
まれに使用されるなので、「典型的な勾配降下」はありません。損失関数を加法項に分解できる場合、確率論的アプローチはより適切に動作することが知られており（したがってSGD）、十分なメモリを節約できる場合-OLSメソッドはより速く簡単です（したがって最初のソリューション）。