随机梯度下降多分类

SGD通过利用OVA方法来组合多个二分类器，从而实现多分类。对于每一个K类, 可以训练一个二分类器来区分自身和其他K-1个类。

仅支持通过可视化方式，配置读取该组件参数，参数详情如下表所示：

• 可视化方式

页签	参数	参数名称	是否必选	参数描述	默认值
数据源	表名	inputTable	是	数据表	无
默认参数	选择特征标签列	labelColName	是	输入表中选择标签列名类型。	无
模型参数	损失函数	loss	是	损失函数的类型。默认值为hinge。包含hinge，log，modified_huber，squared_hinge，perceptron。	hinge
模型参数	惩罚项	penalty	是	惩罚项。默认值为l2。包含l1，l2，elasticnet。	l2
模型参数	是否估计截距	fit_intercept	是	布尔值，是否估计截距，如果为假，认为数据已经中心化。	True
调优参数	优化算法的迭代次数	max_iter	是	整数，可选的。迭代的最大次数，如果参数tol不是空，则默认值为1000。	1000
调优参数	训练结束误差边界	tol	是	浮点数。训练结束的误差边界。当previous_loss - cur_loss < tol时，训练结束。	0.001
调优参数	是否打乱数据顺序	shuffle	是	布尔值，可选的。每轮迭代后是否打乱数据的顺序，默认为True。	True
调优参数	学习率策略	learning_rate	是	学习速率的策略包括constant、optimal、invscaling。	optimal
调优参数	用于标示分类模型中各种类型的权重	class_weight	是	balanced,类库根据训练样本量来计算权重。某种类型的样本量越多，则权重越低。也支持自定义。	balanced