梯度下降出现在机器学习库的什么地方（例如scikit learn）
Where does gradient descent appear in machine learning libraries (e.g. scikitlearn)
我了解梯度下降的工作原理，并且用户可以手动定义梯度下降函数来最小化某些成本函数。我的问题很笼统，当我们训练和测试线性回归或随机森林等机器学习模型时，GD 出现在 scikitlearn 代码的什么地方？ GD 是否简单地嵌入到 .fit() 函数中？或者我们是否需要将其作为参数包含在模型中？
简短回答：大多数 sklearn 模型使用 optimization/fitting 的随机梯度下降。而且您永远不需要指定它。某些函数允许您像 adam.
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，regressor.fit() 是在优化模型并应用随机梯度下降时。也可以单独调用但是没必要，这里可以help SGD
刚开始使用sklearn时，我也有过同样的困惑。所以线性回归有单独的实现：基于vanilla和sgd。
直接来自 docs:
SGD is merely an optimization technique and does not correspond to a
specific family of machine learning models. It is only a way to train
a model.
vanilla 实现可以在 class sklearn.linear_model.LinearRegression 中找到，sgd 实现可以在 class sklearn.linear_model.SGDRegressor
中找到
我了解梯度下降的工作原理，并且用户可以手动定义梯度下降函数来最小化某些成本函数。我的问题很笼统，当我们训练和测试线性回归或随机森林等机器学习模型时，GD 出现在 scikitlearn 代码的什么地方？ GD 是否简单地嵌入到 .fit() 函数中？或者我们是否需要将其作为参数包含在模型中？
简短回答：大多数 sklearn 模型使用 optimization/fitting 的随机梯度下降。而且您永远不需要指定它。某些函数允许您像 adam.
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，regressor.fit() 是在优化模型并应用随机梯度下降时。也可以单独调用但是没必要，这里可以help SGD
刚开始使用sklearn时，我也有过同样的困惑。所以线性回归有单独的实现：基于vanilla和sgd。
直接来自 docs:
SGD is merely an optimization technique and does not correspond to a specific family of machine learning models. It is only a way to train a model.
vanilla 实现可以在 class sklearn.linear_model.LinearRegression 中找到，sgd 实现可以在 class sklearn.linear_model.SGDRegressor