SGD回归
SGDRegressor类实现了一个简单的随机梯度下降学习例程，它支持用不同的损失函数和惩罚来拟合线性回归模型。SGDRegressor非常适用于有大量训练样本的回归问题。
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 | 损失函数的类型包括squared_loss、huber、epsilon_unsensitive或squared_epsilon_unsensitive。 | squared_loss |
| 模型参数 | 惩罚项 | penalty | 是 | 惩罚项包含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。 | 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 | 学习率策略 | learning_rate | 是 | 学习速率的策略包括constant, optimal, invscaling, adaptive。 | invscaling |
| 调优参数 | 是否使用提前停止终止 | early_stopping | 是 | 布尔值。验证分数没有提高时，是否使用提前停止终止培训。如果设置为True，则当分数方法返回的验证分数没有至少提高tol时，它将自动保留一部分训练数据作为验证，并终止训练。 | False |
| 调优参数 | 允许在提前停止前无改进的迭代次数 | n_iter_no_change | 是 | 在提前停止之前没有改进的迭代次数。 | 10 |