个人中心
文章发布
退出
作者热门文章
- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
25
4
我目前正在试验 scikit-learn 的神经网络功能。有没有办法在其 MLPClassifier 中设置输出节点的数量？我知道您可以通过将其作为参数传递来设置隐藏层的数量，例如:
clf = MLPClassifier(hidden_layer_sizes=(100,)
谢谢
最佳答案
输出节点的数量取决于标签的大小。
User Guide for Neural Networks 的示例:
>>> from sklearn.neural_network import MLPClassifier
>>> X = [[0., 0.], [1., 1.]]
>>> y = [[0, 1], [1, 1]]
>>> clf = MLPClassifier(solver='lbfgs', alpha=1e-5,
... hidden_layer_sizes=(15,), random_state=1)
>>> clf.fit(X, y)
>>> clf.predict([[1., 2.]])
array([[1, 1]])
关于python - 在 scikit-learn 的 MLPClassifier 中设置输出节点的数量，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40943314/
25
4
0
我想并排查看训练数据和测试数据的损失曲线。目前，使用 clf.loss_curve(见下文)获取每次迭代的训练集损失似乎很简单。 from sklearn.neural_network import
我想使用自定义损失函数在 scikit learn 中训练神经网络；使用 MLP 分类器。我想更重视更大的值(value)。因此，我想使用类似于均方误差的方法，但将分子乘以 y。因此，它看起来像: 1
我在 scikit-learn 的 MLPClassifier 中试验了 warm_start 参数。但是，我在运行以下代码时收到错误消息。 clf = MLPClassifier(solve
我有一组数据及其类。我已经训练了 MLPClassifier 来预测输入数据的类，并且它的工作精度很高，但现在我需要实现类似“拒绝”类的东西。也就是说，如果输入数据与之前观察到的当前类别的任何数据不太
我在 MLPClassifier 上使用 OneVsRestClassifier。我使用它对文本数据进行分类，其中 X 是 pd.DataFrame 中的一组问题，Y 是多标签和多类字符串.请看下面的
我一直在尝试使用 Sklearn 的神经网络 MLPClassifier。我有一个大小为 1000 个实例(带有二进制输出)的数据集，我想对其应用一个带有 1 个隐藏层的基本神经网络。 问题是我的数据
我正在尝试使用 multilayer perceptron来自 python 中的 scikit-learn。我的问题是，导入不起作用。 scikit-learn 的所有其他模块都运行良好。 from
我不知道为什么我在尝试使用时会收到该错误 decision_function() model_1 = BaggingClassifier(base_estimator=MLPClassifier())
我使用以下代码通过 ojit_a 给定我的数据集来拟合模型: tr_X, ts_X, tr_y, ts_y = train_test_split(X, y, train_size=.8) mode
我想使用 sklearn 的 MLPClassifier 对神经网络最终隐藏激活层输出进行一些测试。在 fit 之后整理数据。 例如，如果我创建一个分类器，假设数据为 X_train带标签 y_tra
(更新:Posted 最终调查结果作为单独的答案) 我开始尝试了解如何使用 scikit 模型进行训练。我已经尝试过众所周知的数据集，如 iris、MNIST 等——它们都是结构良好的数据，随时可用。
我想知道 sklearn.neural_network.MLPClassifier 如何初始化权重向量。在文档中 page ，没有提到权重向量默认是如何初始化的。 谢谢。 最佳答案 看看代码here
我正在使用 scikit learn 的 MLPClassifier 和以下参数 mlp = MLPClassifier(hidden_layer_sizes=(3,2,),solver='sgd',
当尝试使用 BayesSearchCV 调整 sklearn MLPClassifier hidden_layer_sizes 超参数时，出现错误:ValueError: can only con
我已经使用 sklearn.neural_network.MLPClassifier 训练了一个模型，我想知道我的分类器中有多少层。结果显示: >>from sklearn.neural_networ
我已经使用 sklearn.neural_network.MLPClassifier 训练了一个模型，我想知道我的分类器中有多少层。结果显示: >>from sklearn.neural_networ
我有一个用于分类目的的手写数据集，其中的类来自 a-z。如果我想使用MLPClassifier ，我认为我不能直接使用此类分类类，因为 scikit-learn 中的 MLP 实现仅处理数值类。那么，
我想知道在 Sklearn 中拟合 MLP 分类器后是否有任何方法可以可视化或找到最重要/贡献的特征。 简单的例子: import pandas as pd import numpy as np fr
我目前正在试验 scikit-learn 的神经网络功能。有没有办法在其 MLPClassifier 中设置输出节点的数量？我知道您可以通过将其作为参数传递来设置隐藏层的数量，例如: clf = ML
我使用 sklearn 的 MLPClassifier 构建了一个神经网络来预测赛马的结果。然而，有时，当我使用predict_proba()函数预测每匹马获胜的可能性时，我发现总可能性不等于1。有时
我是一名优秀的程序员,十分优秀！