我对scikit-learnn_iter的函数参数有疑问。SGDClassifier以下是定义：

n_iter : 整数，可选

训练数据的传递次数（又名 epochs）。使用 partial_fit 将迭代次数设置为 1。默认为 5。

对于大小为的数据集，我可以对上面的文字有两种解释：$n$

• 解释1：该算法只随机选取n_iter数据点并计算这些点的梯度，因此梯度的评估总数为n_iter（所以默认情况下只有5个？！）。
• 解释2：算法遍历整个数据集时间，为每个循环n_iter挑选个点（基本上没有替换的随机抽样），因此梯度的评估总数为。n_iter$n$$n \ \times$n_iter

鉴于 scikit-learn 的建议是选择n_iter等于，如果上面的解释 1 是正确的np.ceil(10**6/n)，我很难理解对于，算法如何在 1 次计算后收敛......$n=1,000,000$

根据经验，我们发现 SGD 在观察到大约 1 次后收敛。10^6 个训练样本。因此，对迭代次数的第一个合理猜测是n_iter = np.ceil(10**6 / n)，其中n是训练集的大小。

有人可以对此有所了解吗？

功能描述在这里，技术文档在这里。