我想在MLPclassifier中初始化权重,但是当我在.fit()
方法中使用sample_weight时,
它说TypeError: fit() got an unexpected keyword argument 'sample_weight'
import sklearn.neural_network as SKNN
mlp_classifier = SKNN.MLPClassifier((10,), learning_rate="invscaling",solver="lbfgs")
fit_model = mlp_classifier.fit(train_data,train_target, sample_weight = weight)
我还读过What does `sample_weight` do to the way a `DecisionTreeClassifier` works in sklearn?,它说您应该在.fit()
方法中使用sample_weight。
是否有任何方法可以像sample_weight
中使用的那样将MLPclassifier
用于Decisiontreeclassifier
?
答案 0 :(得分:1)
这是因为const t = model.predict(tensor)
// Use of argmax and get the value
const v = t.argMax().dataSync()[0]
与MLPClassifier
不同,它没有带有DecisionTreeClassifier
参数的fit()
方法。
也许类似问题的一些答案可能会有所帮助: How to set initial weights in MLPClassifier?
答案 1 :(得分:0)
根据sklearn.neural_network.MLPClassifier.fit,fit
方法没有名为sample_weight
的参数
答案 2 :(得分:0)
sklearn NN中尚无样本权重。但是您可以作为开始: