sklearn_NNmodel
2023-03-21 本文已影响0人
Lonelyroots
sklearn_NNmodel
fromsklearn.neural_networkimportMLPClassifier
fromsklearn.neural_networkimportMLPRegressor
importnumpyasnp
X=np.array([[0.,0.],
[1.,1.]])
y=np.array([0,1])
print(X.shape)
print(y.shape)
clf=MLPClassifier(solver="sgd",alpha=1e-5,activation="relu",hidden_layer_sizes=(5,2),max_iter=2000,tol=1e-4,verbose=True)#solver选择优化算法sgd（随机梯度下降），alpha正则项系数，hiddenlayer里用激活函数relu，hidden_layer_sizes=(5,2)，2个隐藏层,分别有5个隐藏节点,2个隐藏节点，二元组：里面存2个元素的元组，max_iter最大迭代次数，tol忍受度（sklearn默认连续10次小于，停止迭代），verbose多打印一些信息
clf.fit(X,y)
#参数项
print([coef.shapeforcoefinclf.coefs_])
print([coefforcoefinclf.coefs_])
#截距项
print([intercept.shapeforinterceptinclf.intercepts_])
print([interceptforinterceptinclf.intercepts_])
predict_value=clf.predict([[2,2],
[-1,-2]])
print(predict_value)
predict_proba=clf.predict_proba([[2.,2.],[-1.,-2.]])
print(predict_proba)
文章到这里就结束了！希望大家能多多支持Python（系列）！六个月带大家学会Python，私聊我，可以问关于本文章的问题！以后每天都会发布新的文章，喜欢的点点关注！一个陪伴你学习Python的新青年！不管多忙都会更新下去，一起加油！
Editor：Lonelyroots
