Python 梯度下降在机器学习库中出现的位置（例如scikitlearn）

我知道梯度下降是如何工作的，用户可以手动定义一个梯度下降函数来最小化一些代价函数。我的问题是，当我们训练和测试机器学习模型（如线性回归或随机森林）时，GD在scikitlearn代码中出现在哪里？GD只是嵌入在.fit（）函数中吗？或者我们需要将其作为模型的参数吗？

简短回答：大多数sklearn模型使用随机梯度下降进行优化/拟合。你永远不需要具体说明这一点。有些函数允许您指定adam之类的优化器（普通语言中的助推器）。

简短回答：大多数sklearn模型使用随机梯度下降进行优化/拟合。你永远不需要具体说明这一点。有些函数允许您指定优化器（普通语言中的助推器），如adam。

正如kate所说，sklearn模型使用随机梯度下降，是的，当我们调用拟合方法时，regressor.fit（）当模型优化并应用随机梯度下降时。你也可以单独调用它，但没有必要，这里可能是这样的，正如kate所说，sklearn模型使用随机梯度下降，是的，当我们调用fit方法时，Regregator.fit（）当模型被优化并应用随机梯度下降时。您也可以单独调用它，但没有必要，这里可能是

当我开始使用sklearn时，我也有同样的困惑。因此，线性回归有单独的实现：

vanilla

和

sgd

基于

直截了当地说：

SGD仅仅是一种优化技术，并不对应于 机器学习模型的特定系列。这只是训练的一种方式 模特儿

普通实现可以在类

sklearn.linear\u model.LinearRegression中找到，sgd实现可以在类
sklearn.linear\u model.sgdregrestor中找到

可以找到相应的链接，
当我开始学习sklearn时，我也有同样的困惑。因此，线性回归有单独的实现：
vanilla
和
sgd
基于

直截了当地说：

SGD仅仅是一种优化技术，并不对应于
机器学习模型的特定系列。这只是训练的一种方式
模特儿

普通实现可以在类
sklearn.linear\u model.LinearRegression中找到，sgd实现可以在类
sklearn.linear\u model.sgdregrestor中找到

可以找到相应的链接，并且
谢谢大家谢谢大家