Python scikit learn MLPClassifier "hidden_layer_sizes"

Question

我迷失在scikit learn 0.18用户手册(http://scikit-learn.org/dev/modules/generated/sklearn.neural_network.MLPClassifier.html#sklearn.neural_network.MLPClassifier(：

   hidden_layer_sizes : tuple, length = n_layers - 2, default (100,)
   The ith element represents the number of neurons in the ith hidden layer.

如果我在模型中只寻找 1 个隐藏层和 7 个隐藏单元，我应该这样放置吗？ 谢谢！

    hidden_layer_sizes=(7, 1)

Answer 1

hidden_layer_sizes=(7,)如果您

只需要 1 个隐藏层和 7 个隐藏单元。

length = n_layers - 2是因为您有 1 个输入层和 1 个输出层。

Answer 2

在文档中：

hidden_layer_sizes：元组，长度 = n_layers - 2，默认值 (100，(

方法：hidden_layer_sizes是大小为 (n_layers -2( 的元组

n_layers意味着我们不需要每个架构的层。

值 2 是从n_layers中减去的，因为两个层(输入和输出(不是隐藏层的一部分，因此不属于计数。

default(100，( 表示如果没有为hidden_layer_sizes提供任何值，则默认架构将有一个输入层、一个具有 100 个单元的隐藏层和一个输出层。

再次从文档中：

第

i 个元素表示第 i 个隐藏层中的神经元数量。

表示元组中的每个条目都属于相应的隐藏层。

例：

对于架构 56：

1. 25：11：7：5：3：1，输入 56 和 1 输出隐藏层将是(25：11：7：5：3(。所以元组hidden_layer_sizes = (25,11,7,5,3,)

对于架构 3：45：2：

2. 11：2，带输入 3 和 2 输出隐藏层将是(45：2：11(。所以元组hidden_layer_sizes = (45,2,11,)