stochasticLinearRegression

    有4个可自定义的参数。它们按顺序传递给函数，但不需要传递所有四个参数——将使用默认值，然而好的模型需要一些参数调整。

    语法

    1. l2 regularization coefficient 这可能有助于防止过度拟合。 默认值为 0.1。
    2. mini-batch size 设置元素的数量，这些元素将被计算和求和以执行梯度下降的一个步骤。纯随机下降使用一个元素，但是具有小批量（约10个元素）使梯度步骤更稳定。 默认值为 15。
    3. method for updating weights 他们是: Adam (默认情况下), , Momentum, Nesterov。Momentum 和 Nesterov 需要更多的计算和内存，但是它们恰好在收敛速度和随机梯度方法的稳定性方面是有用的。

    stochasticLinearRegression 用于两个步骤：拟合模型和预测新数据。 为了拟合模型并保存其状态以供以后使用，我们使用 -State 组合器，它基本上保存了状态（模型权重等）。
    为了预测我们使用函数 evalMLMethod, 这需要一个状态作为参数以及特征来预测。

    可以使用这种查询。

    在这里，我们还需要将数据插入到 train_data 表。参数的数量不是固定的，它只取决于传入 的参数数量。它们都必须是数值。
    注意，目标值(我们想学习预测的)列作为第一个参数插入。

    2. 预测

    查询将返回一列预测值。注意，evalMLMethod 的第一个参数是 AggregateFunctionState 对象, 接下来是特征列。

    test_data 是一个类似 train_data 的表 但可能不包含目标值。

    参见