Python 如何确定SciKitLearn中MLPrePressor的隐藏层大小？

假设我正在使用以下代码创建一个神经网络：

from sklearn.neural_network import MLPRegressor

model = MLPRegressor(
  hidden_layer_sizes=(100,),
  activation='identity'
)
model.fit(X_train, y_train)

对于隐藏层大小，我只需将其设置为默认值。然而，我真的不明白它是如何工作的。在我的定义中，隐藏层的数量是多少？是100吗？

来自：

隐藏层大小：元组，长度=n层-2，默认为100

第i个元素表示第i个隐藏层中的神经元数量

它是length=n_layers-2，因为隐藏层的数量是输入层的总层数n_layers减去1，输出层的总层数减去1

在默认情况下为100时，它表示一个由100个单位组成的隐藏层

对于3个隐藏层，例如分别为100、50和25个单元，它将是

hidden_layer_sizes = (100, 50, 25)

请参阅“它是用于MLP分类器的”，但逻辑是相同的。

来自：

隐藏层大小：元组，长度=n层-2，默认为100

第i个元素表示第i个隐藏层中的神经元数量

它是length=n_layers-2，因为隐藏层的数量是输入层的总层数n_layers减去1，输出层的总层数减去1

在默认情况下为100时，它表示一个由100个单位组成的隐藏层

对于3个隐藏层，例如分别为100、50和25个单元，它将是

hidden_layer_sizes = (100, 50, 25)

请参阅“它是用于MLPC分类器的”，但逻辑是相同的