有没有一种方法可以确定最佳的MLPClassifier参数，而无需手动更改它们并查看它们如何验证？

Question

我正在使用SKLearn的MLPClassifier来基于现有数据集以及预测数据来预测数据。例如，我有：

#INPUTS:

x_train = [[....],
           [....],
           [....]]

x_test = [[....],
           [....],
           [....]]

y_train = [...]

#OUTPUTS:

y_test = [...]

，这给了我一个输出（初始化时，没有向MLPClassifier函数添加任何参数）。我试图通过将x_train分为两部分并通过更改MLPClassifier中的参数来训练一半以预测另一半来验证这一点。我的问题是-是否有办法在没有我使用此方法的情况下为任何数据集找出这些参数的最佳设置？我可以找出当前数据集的最佳参数，但是如果要获取新数据，是否有办法找出最适合此新数据集的参数？