在scikit-learn包中，我们找到了函数LogiticRegresion。但是参数不包括创建多层神经网络的能力
LogisticRegression(penalty=’l2’, dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=’liblinear’, max_iter=100, multi_class=’ovr’, verbose=0, warm_start=False, n_jobs=1)
是否有任何功能或其他，允许您添加隐藏图层的变通方法？我发现的关闭函数是MLPClassifier允许使用多层，但输出是分类的类。
答案 0 :(得分：1)
Logistic回归和神经网络不尽相同，您可以在https://en.wikipedia.org/wiki/Logistic_regression中了解更多信息。此外，尽管它的名称LogisticRegression也进行了分类，唯一的区别是它输出属于一个类的示例的百分比机会。
对于scikit-learn中的神经网络，您应该使用MLPClassifier进行分类，使用MLPRegressor进行回归：http://scikit-learn.org/stable/modules/neural_networks_supervised.html。
但是，如果您正在寻找概率（如Logistic回归），您可以使用predict.proba使您的神经网络输出概率。
答案 1 :(得分：1)
Logistic回归不是用于执行回归，尽管它的名称。
Logistic回归通常不被认为是神经网络（尤其是统计界的统计学家），但他们can be interpreted as single layer neural networks。
您可能正在寻找MLPRegressor课程。
答案 2 :(得分：0)
scikit-learn类假设仅作为LogisticRegression（具有Logistic（a.k.a. Soft step）激活函数的1层前馈神经网络）。
Scikit-learn中有Neural Network个模型，但我建议使用Tensorflow，Theano和Keras。 最后一个是初学者的最佳选择。