sklearn.neural_network.MLPClassifier

MLPClassifier(hidden_layer_sizes=(100, ), activation='relu',
solver='adam', alpha=0.0001, batch_size='auto',
learning_rate='constant', learning_rate_init=0.001,
power_t=0.5, max_iter=200, shuffle=True,
random_state=None, tol=0.0001, verbose=False,
warm_start=False, momentum=0.9, nesterovs_momentum=True,
early_stopping=False, validation_fraction=0.1,
beta_1=0.9, beta_2=0.999, epsilon=1e-08,
n_iter_no_change=10)
  • hidden_layer_sizes:tuple,第i个元素表示第i个隐藏层的神经元个数。
  • activation:隐藏层激活函数,identity、logistic、tanh、relu。
  • solver:权重优化算法,lbfgs、sgd、adam。
  • alpha:正则化项参数。
  • batch_size:随机优化的minibatches的大小。
  • learning_rate:学习率,constant、invscaling、adaptive。
  • learning_rate_init:初始学习率。只有当solver为sgd或adam时才使用。
  • power_t:逆扩展学习率的指数,只有当solver为sgd时才使用。
  • max_iter:最大迭代次数。
  • shuffle:是否在每次迭代时对样本进行清洗,当solver为sgd或adam时使用。
  • random_state:随机数种子。
  • tol:优化算法停止的条件。当迭代前后的函数差值小于等于tol时就停止。
  • verbose:是否将过程打印出。
  • warm_start:是否使用之前的解决方法作为初始拟合。
  • momentum:梯度下降的动量,介于0到1之间,solver为sgd时使用。
  • nesterovs_momentum:是否使用Nesterov动量。
  • early_stopping:判断当验证效果不再改善时是否终止训练。
  • validation_fraction:用作早起停止验证的预留训练集的比例,0到1之间。
  • beta_1:估计一阶矩向量的指数衰减速率,[0,1)之间。
  • beta_2:估计二阶矩向量的指数衰减速率,[0,1)之间。
  • epsilon:数值稳定值,solver为adam时使用。

返回值属性说明

  • classes_:每个输出的类标签,大小为(n_classes,)。
  • loss_:损失函数计算出的当前损失值。
  • coefs_:列表中的第i个元素表示i层的权重矩阵。
  • intercepts_:列表中第i个元素表示i+1层的偏差向量。
  • n_iter_:迭代次数。
  • n_layers_:层数。
  • n_outputs_:输出的个数。
  • out_activation_:输出激活函数的名称。

返回值方法说明

  • fit(X,y):拟合。
  • get_params():获取参数。
  • predict(X):进行预测。
  • predict_log_proba(X):对数概率估计。
  • predict_proba(X):概率估计。
  • score(X, y):返回给定测试数据和标签的平均准确度。
  • set_params():设置参数。
from sklearn.neural_network import MLPClassifier

X = [[0., 0.], [1., 1.]]
y = [0, 1] clf = MLPClassifier(solver='lbfgs', alpha=1e-5, hidden_layer_sizes=(5,2), random_state=1)
clf.fit(X, y) clf.predict([[2., 2.], [-1., -2.]])

sklearn.neural_network.MLPClassifier参数说明的更多相关文章

  1. sklearn.svm.SVC 参数说明

    原文地址:sklearn.svm.SVC 参数说明 ============================== 资源: sklearn官网+DOC 库下载GitHub =============== ...

  2. sklearn.linear_model.LogisticRegression参数说明

    目录 sklearn.linear_model.LogisticRegression sklearn.linear_model.LogisticRegressionCV sklearn.linear_ ...

  3. sklearn.svm.SVC参数说明

    摘自:https://blog.csdn.net/szlcw1/article/details/52336824 本身这个函数也是基于libsvm实现的,所以在参数设置上有很多相似的地方.(PS: l ...

  4. sklearn中MLPClassifier源码解析

    神经网络 .fit() 首先传入类私用方法._fit() 确定hidden_layer_size是可迭代的 调用_validate_hyperparameters验证超参数是否合法 验证输入的x和y是 ...

  5. sklearn官网-多分类问题

    sklearn实战-乳腺癌细胞数据挖掘(博主亲自录制视频) https://study.163.com/course/introduction.htm?courseId=1005269003& ...

  6. MLPClassifier 隐藏层不包括输入和输出

    多层感知机(MLP)原理简介 多层感知机(MLP,Multilayer Perceptron)也叫人工神经网络(ANN,Artificial Neural Network),除了输入输出层,它中间可以 ...

  7. 基于sklearn的分类器实战

    已迁移到我新博客,阅读体验更佳基于sklearn的分类器实战 完整代码实现见github:click me 一.实验说明 1.1 任务描述 1.2 数据说明 一共有十个数据集,数据集中的数据属性有全部 ...

  8. Python 数据分析基础小结

    一.数据读取 1.读写数据库数据 读取函数: pandas.read_sql_table(table_name, con, schema=None, index_col=None, coerce_fl ...

  9. [Scikit-learn] 1.1 Generalized Linear Models - Neural network models

    本章涉及到的若干知识点(红字):本章节是作为通往Tensorflow的前奏! 链接:https://www.zhihu.com/question/27823925/answer/38460833 首先 ...

随机推荐

  1. 基于 Nginx 的 HTTPS 性能优化

    前言 分享一个卓见云的较多客户遇到HTTPS优化案例. 随着相关浏览器对HTTP协议的“不安全”.红色页面警告等严格措施的出台,以及向 iOS 应用的 ATS 要求和微信.支付宝小程序强制 HTTPS ...

  2. shell从入门到精通进阶之一:Shell基础知识

    1.1 简介 Shell是一个C语言编写的脚本语言,它是用户与Linux的桥梁,用户输入命令交给Shell处理,Shell将相应的操作传递给内核(Kernel),内核把处理的结果输出给用户. 下面是处 ...

  3. python学习笔记(十 一)、GUI图形用户界面

    python图形用户界面就是包含按钮.输入框.选择框等组件的窗口.主要依赖与工具包进行代码编写.python GUI工具包并发互斥的,你可以选择多个工具包进行安装,有极大选择空间.每个工具包都有不同用 ...

  4. JavaScript_01简介,基本语法,运算符

    JavaScript(不是JScript和scriptease) 1.js分为内部引用和外部引用,无论是内部引用还是外部引用,都可以放在html(除标签内)的任意位置,但是定义的位置会影响执行的顺序 ...

  5. Spring事务事件监控

    前面我们讲到了Spring在进行事务逻辑织入的时候,无论是事务开始,提交或者回滚,都会触发相应的事务事件.本文首先会使用实例进行讲解Spring事务事件是如何使用的,然后会讲解这种使用方式的实现原理. ...

  6. Android安全–检测是否为Android模拟器

    有时候需要检测是否在模拟器上运行还是在真机运行,话不多说.检测代码如下: package com.monkey.antiemulator; import java.io.File; import ja ...

  7. jsonp promise 封装

    import originJsonp from 'jsonp' export default function jsonp(url, data, option) { url += (url.index ...

  8. Dynamics CRM项目实例之六:积分管理,汇总字段,计算字段,快速查看视图

    关注本人微信和易信公众号: 微软动态CRM专家罗勇 ,回复137或者20141228可方便获取本文,同时可以在第一时间得到我发布的最新的博文信息,follow me!        博文讲述的主要是如 ...

  9. C# 正则表达式应用

    正则表达式平时不常用,经常都是用的时候,临时抱佛脚,查文档,然后就是被各种坑之后,才会逐渐熟练. 在线正则表达式测试:http://tool.oschina.net/regex/ 在线JSON格式化: ...

  10. Win10 - MySQL 5.7 忘记密码

    Win10 - MySQL 5.7 忘记密码 # 关闭 mysql 服务 net stop mysql # 在命令行输入以下命令, 输入后新建一个 CMD 窗口 mysqld -nt --skip-g ...