在scikit-learn的MLPClassifier中设置输出节点的数量

Question

我目前正在尝试使用scikit-learn的神经网络功能。是否有办法在其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图层的数量，如：

clf = MLPClassifier(hidden_layer_sizes=(100,)

由于

Answer 1

sklearn中输入，隐藏和输出图层的体系结构和单位如下所述：

• 输入单元的数量将是功能的数量（通常为偏置的+1节点）
• 对于多类别分类，输出单位的数量将是标签数量
• 首先尝试单个隐藏图层
• 隐藏图层中的单位越多越好，请尝试与输入要素的数量相同。

基于本文的隐藏图层的一些一般规则如下：Approximating Number of Hidden layer neurons in Multiple Hidden Layer BPNN Architecture Saurabh Karsoliya。

一般来说：

• 隐藏层神经元的数量是输入图层大小的2/3（或70％到90％）。
• 隐藏层神经元的数量应该是输入层中神经元数量的less than twice。
• 隐藏层神经元的大小为between输入图层大小和输出图层大小。

请记住，您需要探索并尝试许多不同的组合。此外，使用GridSearch您可以找到“最佳模型和参数”。例如。您可以执行GridSearch以确定隐藏图层的"best"大小。