输入，输出图层sklearn python

Question

我想我在这里缺少一些东西，但是Sklearn的Mlp回归量如何计算或定义输入和输出层中的神经元数量？

我在文档中找不到解释。

Answer 1

Sklean在fit方法中定义输入和输出形状。 事实上，sklearn中的每个模型都是一个实现名为fit的方法的类。

以下是sklearn.neural_network.MLPRegressor

的情况下代码的样子

def fit(self, X, y):
    """Fit the model to data matrix X and target(s) y.
    Parameters
    ----------
    X : array-like or sparse matrix, shape (n_samples, n_features)
        The input data.
    y : array-like, shape (n_samples,) or (n_samples, n_outputs)
        The target values (class labels in classification, real numbers in
        regression).
    Returns
    -------
    self : returns a trained MLP model.
    """
    return self._fit(X, y, incremental=False)

检查github上的代码，了解更多内容如何协同工作。