Orange3实战教程：模型---随机梯度下降

随机梯度下降（Stochastic Gradient Descent）

通过随机梯度近似法最小化目标函数。

输入

• 数据：输入数据集
• 预处理器：预处理方法（可选）

输出

• 学习器：随机梯度下降学习算法
• 模型：训练后的模型

随机梯度下降（SGD）部件使用随机梯度下降算法，通过线性函数最小化选定的损失函数。该算法每次仅考虑一个样本以近似真实梯度，并根据损失函数的梯度同步更新模型。对于回归任务，它返回最小化损失和的预测器（即 M 估计量），尤其适用于大规模和稀疏数据集。

1. 指定模型名称：默认名称为“SGD”。
2. 算法参数：
   • 分类损失函数：
     • 合页损失（Hinge，线性 SVM）
     • 逻辑回归（Logistic Regression，逻辑回归 SGD）
     • 改进 Huber 损失（对异常值容忍并提供概率估计）<