Deep learning 多层感知器分类器属性
我正在使用scikit learn on MNIST数据集中的多层感知器分类器训练一个神经网络,专门对数据集中的数字0、1和7进行分类 下面是代码片段: 在这里,我们如何决定为隐藏层大小和最大iter分配什么值 我试着用损失函数来看看我的模型是如何学习的。请参阅下文: 看看上面的情节,我应该推断和理解什么,我的模型是如何学习的 然后,我将得出一份学习绩效评估的分类报告:Deep learning 多层感知器分类器属性,deep-learning,Deep Learning,我正在使用scikit learn on MNIST数据集中的多层感知器分类器训练一个神经网络,专门对数据集中的数字0、1和7进行分类 下面是代码片段: 在这里,我们如何决定为隐藏层大小和最大iter分配什么值 我试着用损失函数来看看我的模型是如何学习的。请参阅下文: 看看上面的情节,我应该推断和理解什么,我的模型是如何学习的 然后,我将得出一份学习绩效评估的分类报告: from sklearn.metrics import classification_report report =
from sklearn.metrics import classification_report
report = classification_report(y_test, y_pred)
print(report)
需要从上述分类报告中了解什么,以及数字0、1和7在上述报告中是如何分类的
谢谢
import matplotlib.pyplot as plt
plt.plot(mlp.loss_curve_)
plt.xlabel('Number of epochs')
plt.ylabel('loss')
plt.title('The loss curve for our mlp classifier')
None
from sklearn.metrics import classification_report
report = classification_report(y_test, y_pred)
print(report)
precision recall f1-score support
0 1.00 1.00 1.00 59
1 1.00 1.00 1.00 60
7 1.00 1.00 1.00 59
accuracy 1.00 178 macro avg 1.00 1.00 1.00 178 weighted avg 1.00 1.00 1.00 178