出于研究目的，我发现自己需要在大型DS上通过SGD训练SVM（即，大量示例）。这使使用scikit-learn的实现（SGDClassifier）成为问题，因为它需要立即加载整个DS。
[我熟悉的算法使用n步的SGD来获得n个不同的分隔符w_i，然后取它们的平均值（具体信息可以在https://www.cse.huji.ac.il/~shais/Lectures2014/lecture8.pdf的幻灯片12中看到）。
这使我认为也许我可以使用scikit-learn训练多个这样的分类器，然后取所得线性分隔符的平均值（假设没有偏差）。
这是一个合理的思路，还是scikit-learn的实现不属于我的逻辑？
基于将所有数据加载到内存中的考虑，如果您有权访问更多计算资源，则可能要使用PySpark的SVM实现：https://spark.apache.org/docs/2.2.0/ml-classification-regression.html#linear-support-vector-machine，因为Spark是为大规模数据处理而构建的。我不知道平均多个Scikit-Learn模型的分隔符是否可以按预期工作；根据文档（https://scikit-learn.org/stable/modules/generated/sklearn.svm.SVC.html），没有一种使用新分隔符实例化新模型的干净方法，因此可能必须将其作为整体方法来实现。