python - 在 sklearn.neural_network 中初始化权重

Question

我想在 MLP 分类器中初始化权重，但是当我在 .fit() 方法中使用 sample_weight 时，它说 TypeError: fit() got an unexpected keyword argument 'sample_weight'

import sklearn.neural_network as SKNN

mlp_classifier = SKNN.MLPClassifier((10,), learning_rate="invscaling",solver="lbfgs")

fit_model = mlp_classifier.fit(train_data,train_target,  sample_weight = weight)

我还读了What does `sample_weight` do to the way a `DecisionTreeClassifier` works in sklearn? ，它说你应该在 .fit() 方法中使用 sample_weight。

有什么方法可以像 Decisiontreeclassifier 中使用的那样为 MLPclassifier 使用 sample_weight 吗？

Answer 1

那是因为 MLPClassifier 不像 DecisionTreeClassifier 没有带有 sample_weight 参数的 fit() 方法.

参见 the documentation .

也许这个类似问题的一些答案可以提供帮助: How to set initial weights in MLPClassifier?