scikit-learn - 如何在MLPClassifier中设置初始权重？

Question

我找不到设置神经网络初始权重的方法，有人可以告诉我如何吗？
我正在使用python包sklearn.neural_network.MLPClassifier。

这是供引用的代码:

from sklearn.neural_network import MLPClassifier
classifier = MLPClassifier(solver="sgd")
classifier.fit(X_train, y_train)

Answer 1

docs显示使用中的属性。

Attributes:
...

coefs_ : list, length n_layers - 1 The ith element in the list represents the weight matrix corresponding to > layer i.

intercepts_ : list, length n_layers - 1 The ith element in the list represents the bias vector corresponding to layer > i + 1.

只需在调用 clf=MLPClassifier(solver="sgd")之前构建分类器 coefs_并设置 intercepts_和 clf.fit()即可。

剩下的唯一问题是:sklearn是否会覆盖您的init？

code看起来像:

    if not hasattr(self, 'coefs_') or (not self.warm_start and not
                                       incremental):
        # First time training the model
        self._initialize(y, layer_units)

在我看来，这不会代替您给定的 coefs_(您也可以检查偏差)。

打包和解压缩 functions进一步表明应该可行。这些可能内部用于通过pickle进行序列化。