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:Python 如何确定SciKitLearn中MLPrePressor的隐藏层大小?,python,machine-learning,scikit-learn,neural-network,Python,Machine Learning,Scikit Learn,Neural Network,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
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