Python中全批量、随机及小批量梯度下降（线性回归）实现问询

我目前正在理解并尝试在Python中实现全批量（Full Batch）、**随机（Stochastic）及小批量（Mini Batch）**梯度下降算法，用于线性回归任务：

• 我使用sklearn.linear_model.SGDRegressor编写代码后得到的结果，和一篇机器学习教程中的结果十分相似，因此我认为这部分实现没有问题。
• 不过在编写另一部分自定义代码并得到结果后，结合梯度下降的理论知识，我产生了一些疑问：

麻烦你补充一下具体的疑问点哦——比如是不同批量策略下收敛速度的差异不符合预期？自定义实现的损失波动和理论不符？还是和sklearn结果存在无法解释的偏差？把具体问题描述清楚，我就能帮你深入分析啦！

内容的提问来源于stack exchange，提问作者Dejan Samardžija