python - SciKit Learn 中 MLP 回归器的隐藏层大小是如何确定的？

Question

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hidden_​​layer_sizes，我只是将其设置为默认值。但是，我不太明白它是如何工作的。我的定义中隐藏层的数量是多少？是100吗？

Answer 1

来自docs :

hidden_layer_sizes : tuple, length = n_layers - 2, default (100,)

The ith element represents the number of neurons in the ith hidden layer.

它是length = n_layers - 2，因为你的隐藏层的数量是总层数n_layers减去你的输入层的1，减去你的层的1输出层。

在您的(默认)情况下 (100,)，这意味着一个包含 100 个单元(神经元)的隐藏层。

对于 3 个隐藏层，例如分别有 100、50 和 25 个单元，则为

hidden_layer_sizes = (100, 50, 25)

请参阅example in the docs (它适用于 MLPClassifier，但逻辑是相同的)。