SELECT
a.*
FROM (
SELECT
b_id
FROM
c
ORDER BY is_agreed DESC, b_id DESC
LIMIT 1
) c
JOIN b ON c.b_id = b.id
JOIN a ON b.a_id = a.id
的{{1}}函数与sklearn一起使用是一种很好的“一刀切”的解决方案。您只需调用一次，它就会进行训练，直到达到最大迭代次数或训练损失平稳，所有这些都无需任何交互。但是，我不得不更改代码以适应其他一些功能，并且标准fit函数的配置不足以实现我想做的事情。我将代码重新配置为使用MLPClassifier，每次手动运行一次迭代。但是我无法弄清楚如何使代码能够识别出损失何时达到平稳状态，就像fit函数中那样。我似乎找不到partial_fit的任何属性或方法，无法访问由fit计算的损失值，因此我可以判断损失是否已达到平稳状态。在我看来，判断MLPClassifier已经计算出它并甚至以详细模式将其打印到控制台的事实，判断每次迭代中的损耗的唯一方法就是自己计算它。
编辑：手动运行partial_fit仍会导致训练算法识别出训练损失停止改善的时间；一旦训练损失停滞，它将在每次迭代后打印消息partial_fit。但是，由于我是手动控制迭代，因此实际上并没有停止，并且我无法在代码中确定是否已打印此消息以手动停止它。
答案 0 :(得分：0)
我建议手动将损失记录在列表中
loss_list = list()
clf = MLPClassifier()
#partial fit and so on
print(clf.loss_)
loss_list.append(clf.loss_)
如果此代码有帮助，我可以为您提供停止条件。