Scikit learn 神经网络网格搜索值误差

我试图运行一个神经网络的网格搜索，但我不断得到一些奇怪的错误。我的算法如下所示：

parameters={'learning_rate':["constant", "invscaling", "adaptive"], 
                 'hidden_layer_sizes': (156,), 'alpha': [10.0 ** -np.arange(1, 7)], 
                 'activation': ["logistic", "relu", "Tanh"]}
grid= GridSearchCV(MLPClassifier(),parameters, n_jobs=-1, cv=10)
grid.fit(train_x, train_y)

我收到的错误消息是：

ValueError：包含多个元素的数组的真值为 模棱两可的。使用a.any（）或a.all（）

我也尝试过在

激活

和

学习率

方面仅使用1个值，但问题似乎仍然存在。请问有什么我做得不好的吗？

我在你的代码中发现了两个错误

---

首先：纯列表中应包含

alpha

参数。使用列表理解，答案如下

Second:在

'activation'：[“logistic”、“relu”、“Tanh”]}

中，应将

Tanh

替换为

Tanh

---

以下代码应该可以正常工作： 替换：

'alpha': [10.0 ** -np.arange(1, 7)]
'activation': ["logistic", "relu", "Tanh"]

---

与：

'alpha': [10.0 ** -i for i in range(1,7)]
'activation': ["logistic", "relu", "tanh"]

parameters={'learning_rate':["constant", "invscaling", "adaptive"], 
             'hidden_layer_sizes': (156,), 'alpha': [10.0 ** -i for i in range(1,7)], 
             'activation': ["logistic", "relu", "tanh"]}

grid= GridSearchCV(MLPClassifier(), parameters, n_jobs=-1, cv=10)

grid.fit(train_x, train_y)

---

把所有东西放在一起：

'alpha': [10.0 ** -i for i in range(1,7)]
'activation': ["logistic", "relu", "tanh"]

parameters={'learning_rate':["constant", "invscaling", "adaptive"], 
             'hidden_layer_sizes': (156,), 'alpha': [10.0 ** -i for i in range(1,7)], 
             'activation': ["logistic", "relu", "tanh"]}

grid= GridSearchCV(MLPClassifier(), parameters, n_jobs=-1, cv=10)

grid.fit(train_x, train_y)

---

即使在我尝试更新所有涉及的包之后，问题仍然存在。意思是这个方案不是问题所在，我猜纠正你所指出的使它起作用了。谢谢你的帮助。