sklean MLPClassifier:如何在输出和输入特征之间找到关系/方程

时间:2017-11-24 17:36:57

标签: python scikit-learn neural-network perceptron

我仍然处于sklearn的学习阶段,需要一些帮助来理解如何在输出和输入之间建立关系。使用数据我能够训练sklearn MLPClassifier。

clf = MLPClassifier(solver='lbfgs', alpha=1e-5, hidden_layer_sizes = (7,), random_state = 1)
#Print Coef
print clf.coefs_.shape
print clf.coefs_

输出如下: Output print

任何帮助都会有用。谢谢!

1 个答案:

答案 0 :(得分:1)

首先,clf.coefs_列表,其长度为n_layers - 1

在您的情况下,长度为7-1 = 6.

列表中的第i个元素表示对应于第i层的权重矩阵。

因此,如果您输入:clf.coefs_[0],这将返回第一层的权重矩阵。

更多详情here

修改

clf.coefs_包含您需要的权重。确保您了解MLP的工作原理(请参阅HERE !

MLP看起来像这样:

enter image description here