SGDRegressor обновление частичного градиента спуска

Question

В скиките-учись, SGDRegressor выполняет стохастический градиентный спуск, т.е. он использует одну выборку вместо всей выборки (размером nскажем) обновить коэффициенты модели. Тем не менее, он все еще загружает весь набор данных в память.

С другой стороны, partial_fit метод SGDRegressor позволяет загружать только подмножество n образцы в память, и, таким образом, может помочь с большим набором данных.

Мои вопросы:

1. Есть ли partial_fit метод (хотя его иногда сравнивают с мини-пакетным GD, основанным на моем поиске в Интернете), все еще используется только одна выборка для обновления коэффициентов модели? Насколько я понимаю, мини-алгоритм GD должен использовать не одну выборку, а подмножество из n выборок, чтобы обновить коэффициенты как компромисс между стохастической и пакетной GD.
2. Если ответ на 1 - да, есть ли способ выполнить мини-градиент партии в настройке регрессии scikit-learn?