Python scikit学习MLPClassifier“hidden_​​layer_sizes”

Question

我迷失在scikit learn 0.18用户手册（http://scikit-learn.org/dev/modules/generated/sklearn.neural_network.MLPClassifier.html#sklearn.neural_network.MLPClassifier）中：

   hidden_layer_sizes : tuple, length = n_layers - 2, default (100,)
   The ith element represents the number of neurons in the ith hidden layer.

如果我在模型中只找到1个隐藏层和7个隐藏单位，我应该这样放？谢谢！

    hidden_layer_sizes=(7, 1)

Answer 1

hidden_layer_sizes=(7,)如果你只想要一个带有7个隐藏单位的隐藏图层。

length = n_layers - 2是因为你有1个输入层和1个输出层。

Answer 2

我知道我迟到了，仍在分享......

在文件

中

  

hidden_​​layer_sizes：tuple，length = n_layers - 2，默认（100，）

表示： hidden_​​layer_sizes是一个大小元组（n_layers -2）

n_layers表示根据架构我们不需要任何图层。

从n_layers中减去值2，因为两个图层（输入和输出）不是隐藏图层的一部分，因此不属于计数。

default（100，）表示如果没有为hidden_​​layer_sizes提供任何值，则默认架构将有一个输入层，一个隐藏层，包含100个单元和一个输出层。

行

  

第i个元素表示第i个隐藏层中的神经元数量。

表示元组中的每个条目都属于相应的隐藏层。

示例：

1. 对于架构56：25：11：7：5：3：1，输入56和1输出 隐藏的层将是（25：11：7：5：3）。所以元组hidden_​​layer_sizes =（25,11,7,5,3，）

2. 对于架构3：45：2：11：2，输入3和2输出 隐藏的层将是（45：2：11）。所以元组hidden_​​layer_sizes =（45,2,11，）

希望这能完整回答你的问题。