Scikitの線形回帰と勾配学習/パンダ？

Question

機械学習のコースラコースhttps://share.coursera.org/wiki/index.php/ML:Linear_Regression_with_Multiple_Variables#Gradient_Descent_for_Multiple_Variablesでは、勾配降下が収束すべきだと言います。

私は、scikit learnの線形回帰を使用しています。グラデーションディセント情報は提供されません。私は、勾配降下を伴う線形回帰を実装するためにstackoverflowに関する多くの質問を見てきました。

実際の世界では、scikit-learnやpandasから線形回帰を使用するにはどうすればよいですか？ OR scikit-learnまたはpandasが線形回帰出力で勾配降下情報を提供しないのはなぜですか？ LRは閉形式解を持つ2つの分類の一つであるとして、

1）LinearRegressionオブジェクトは、ソルバscipyのダウンロードから最小二乗を使用しています：Scikitが学ぶ

Answer 1

はあなたに線形回帰には2つのアプローチを提供します。 MLコースにもかかわらず、実際にこのモデルを学ぶには、いくつかの行列を反転して乗算するだけです。

2）SGDClassifier確率勾配降下の実装であり、非常に一般的なペナルティ条件を選択できます。それは実際にをほとんど使用しないされているのでnone（線形回帰）またはL2にもL2とペナルティ（リッジ回帰）

であることをあなたが損失を選択し、線形回帰を取得するにしても、「典型的な勾配降下」はありません。あなたの損失関数を加法的な項に分解することができれば、確率論的アプローチはよりよく動作することが知られており（SGD）、十分なメモリを確保できれば、OLSの方がより速く簡単になります。