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:Scikit learn 神经网络网格搜索值误差,scikit-learn,neural-network,grid-search,Scikit Learn,Neural Network,Grid Search,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", "Ta
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。