假設(shè)我正在使用以下代碼創(chuàng)建一個神經(jīng)網(wǎng)絡(luò)：from sklearn.neural_network import MLPRegressormodel = MLPRegressor( hidden_layer_sizes=(100,), activation='identity')model.fit(X_train, y_train)對于hidden_layer_sizes，我只是將其設(shè)置為默認值。但是，我真的不明白它是如何工作的。我的定義中隱藏層的數(shù)量是多少？是100嗎？
1 回答
開滿天機
TA貢獻1786條經(jīng)驗 獲得超13個贊
從文檔：
hidden_layer_sizes ：元組，長度= n_layers - 2，默認（100，）
第 i 個元素表示第 i 個隱藏層中的神經(jīng)元數(shù)量。
是length = n_layers - 2，因為隱藏層的數(shù)量是輸入層的總層數(shù)n_layers減 1，輸出層的減 1。
在您的（默認）情況下(100,)，它意味著一個 100 個單位（神經(jīng)元）的隱藏層。
對于分別有 100、50 和 25 個單位的 3 個隱藏層，它將是
hidden_layer_sizes = (100, 50, 25)
請參閱文檔中的示例（它是 for MLPClassifier，但邏輯是相同的）。
添加回答
舉報
0/150
提交
取消