scikit-learn中DictionaryLearning和MiniBatchDictionaryLearning之间的区别

Question

我试图通过在Python使用scikit-learn lib来编写一些Dictionary Learning代码。 但我找到了两个功能，两个功能看起来都一样。

我想知道它们之间有什么区别？

Answer 1

DictionaryLearning是一种完整批处理方法，其中整个数据在学习期间保存在内存中。

MiniBatchDictionaryLearning是一种小批量方法（每次迭代中只需要n =小批量大小的项目在内存中），其中支持partial_fit （=适合小批量）可以在更大的实例上工作而不会过于强烈地占用内存。

虽然一般的想法是相同的，但这些算法是不同的，并针对不同的用例。

如果你可以使用前者和你的记忆，请使用它。 如果没有，请使用后者。

如果使用minibatch-variant，请记住，关于partial_fit仍有一个开放的bug。

可以在此处找到有关sklearn（其中提到MiniBatchDictionaryLearning）的大规模计算和特别是增量学习的概述。 它还提到了缺点：调整超参数小批量大小。