我的同事提到一个数据科学项目正在使用 SGD 分类器。

因此，我开始阅读有关 GD/SGD 的内容，并偶然发现了一篇关于使用 SVM 和 GD 进行文本分类的好文章。

作者在文章的最后提到：

我们从一堆文件开始训练。然后我们将每个文档表示为数字向量，您可以选择将它们拆分为 n-gram 并使用 TF-IDF 对这些 n-gram 进行加权。现在我们有了数字表示，我们可以给程序训练数据并让它每次都猜测。根据程序的错误程度，程序会根据错误进行调整，以便在下次使用梯度下降时做出更好的预测。它使用 SVM 跟踪其学习，并通过在图中“绘制”新数据点并查看它是在决策边界的右侧还是左侧，使用 SVM 模型进行预测。

这篇文章没有提到 SGD，但从互联网研究中我了解到 SGD 是 GD 的一种变体，其中参数在每次迭代时立即调整，而不是在整个训练集结束时调整。

所以在我看来，SVM 是实际的分类器，而 GD（或 SGD）是一个函数，它告诉分类器它根据 SVM 分类器改进自身的预测正确地完成了预测。

回到我最初的问题：我对 SGD 不是分类器的理解正确吗？