Fatal编程技术网
  • machine-learning/
  • Machine learning 我怎样才能确定；损失函数“；用于skilearn中的MLPC分类？

Machine learning 我怎样才能确定；损失函数“；用于skilearn中的MLPC分类？

machine-learning scikit-learn neural-network

Machine learning 我怎样才能确定；损失函数“；用于skilearn中的MLPC分类？,machine-learning,scikit-learn,neural-network,classification,Machine Learning,Scikit Learn,Neural Network,Classification,我想使用Skillearn的MLPClassizer mlp = MLPClassifier(hidden_layer_sizes=(50,), max_iter=10, alpha=1e-4, solver='sgd', verbose=10, tol=1e-4, random_state=1, learning_rate_init=.1) 我没有找到损失函数的任何参数，我希望它是均方误差。是否可以根据以下内容确定该模型的参数？

我想使用Skillearn的MLPClassizer

mlp = MLPClassifier(hidden_layer_sizes=(50,), max_iter=10, alpha=1e-4,
                solver='sgd', verbose=10, tol=1e-4, random_state=1,
                learning_rate_init=.1)
我没有找到损失函数的任何参数，我希望它是
均方误差
。是否可以根据以下内容确定该模型的参数？

：

该模型使用LBFGS或随机梯度下降法优化对数损失函数

基本上是

无法将另一个丢失函数传递给
mlpclassizer
，因此不能使用MSE。但是
mlprepressor
使用MSE，如果您确实需要的话

然而，一般的建议是坚持使用交叉熵损失进行分类，据说它比MSE有一些优势。因此，您可能只想使用
mlpclassizer
作为您的分类问题。

根据定义，由于
mlpclassizer
是一个分类器，您不能使用MSE，因为这会使问题成为回归问题；对于回归问题，您应该使用@desertnaut，但此特定软件实现可能存在问题，但对于分类问题，MSE是一个可接受的损失函数。在这种情况下，它通常被命名为Brier score。Yann LeCun在他的网站上有使用MSE作为MNIST神经网络损失函数的例子。