Python scikit学习中SGD分类器的收敛性评估

是否有任何自动化的方法来评估SGDClassizer的收敛性

我正在尝试用python运行一个elastic net logit，并使用scikit learn的SGDClassizer进行日志丢失和elastic net惩罚。当我用python拟合模型时，我的系数都是零。当我在R中运行glmnet时，我得到了重要的非零系数

经过一些旋转，我发现scikit学习系数在大约1000次迭代后接近R系数

---

scikit learn中是否有我缺少的迭代方法，直到系数变化相对较小（或执行了最大迭代次数），或者我需要通过交叉验证自己进行迭代。

这是scikit learn的SGD分类器当前实现的已知限制，该模型目前没有自动收敛检查。您可以设置

verbose=1

，以便在运行时获得一些反馈。

很高兴知道。有没有计划改变这一点？在这个话题上我看不到任何问题。我们可能会在下周的sprint中讨论这个问题。