如何使用 sklean 在 MLPClassifier 中绘制训练和测试数据的准确性和损失曲线？

如何解决如何使用 sklean 在 MLPClassifier 中绘制训练和测试数据的准确性和损失曲线？

我正在使用这个非常简单的代码来训练 MLPClassifier。

x_train,x_test,y_train,y_test = load_data(test_size=0.25)
model = MLPClassifier(alpha=0.01,batch_size=128,epsilon=1e-08,hidden_layer_sizes=(300,),learning_rate='adaptive',max_iter=500,early_stopping=True)
model.fit(x_train,y_train)
y_pred = model.predict(x_test)
accuracy = accuracy_score(y_true=y_test,y_pred=y_pred)

它完美地提供了准确性。现在我的问题是： 如何获得模型的最大精度，因为每次运行代码时它都会改变？由于列车测试数据的随机选择，有没有办法找到最大可能的准确度？

其次，我想绘制训练和 Val 数据的准确性和损失曲线。 我来了解一下

plt.plot(model.loss_curve_) plt.plot(model.validation_scores_)

但不知道如何使用它们并尝试了这个但是为什么自开始以来 val 损失很低 enter image description here

我只尝试了这个社区的以下代码

scores_train = []
scores_test = []

# EPOCH
epoch = 0
while epoch < n_epoch:
    print('epoch: ',epoch)
    # SHUFFLING
    random_perm = np.random.permutation(x_train.shape[0])
    mini_batch_index = 0
    while True:
        # MINI-BATCH
        indices = random_perm[mini_batch_index:mini_batch_index + 128]
        model.partial_fit(x_train[indices],y_train[indices],classes=7)
        mini_batch_index += 128

        if mini_batch_index >= x_train.shape[0]:
            break

    # SCORE TRAIN
    scores_train.append(model.score(x_train,y_train))

    # SCORE TEST
    scores_test.append(model.score(x_test,y_test))

    epoch += 1

""" Plot """

plt.plot(scores_train,color='green',alpha=0.8,label='Train')
plt.plot(scores_test,color='magenta',label='Test')
plt.title("Accuracy over epochs",fontsize=14)
plt.xlabel('Epochs')
plt.legend(loc='upper left')
plt.show()

但它在第 1 行抛出错误：model.partial_fit(x_train[indices],classes=7)

Error: only integer scalar arrays can be converted to a scalar index

我做错了什么，请一位指导。

解决方法

只需放置即可获得结果

early_stopping=False,warm_start=True

在 MLPClassifier 中。对它了解不多，但解决了目的。 enter image description here