如何使用 sklearn 更改 MLP 网络的学习率和隐藏层

如何解决如何使用 sklearn 更改 MLP 网络的学习率和隐藏层

我正在使用 sklearn.cross_validation.cross_val_score 函数对多层感知器进行交叉验证

from sklearn import svm
import numpy as np
from sklearn.model_selection import cross_val_score

clf = svm.SVC(gamma='auto')

scores = cross_val_score(clf,X,np.ravel(y),cv=5,scoring='accuracy')

交叉验证正在运行并返回 0.8579100145137881。 如何使用 sklearn 更改学习率或隐藏层的数量？我想提高准确性。

解决方法

from sklearn import svm
import numpy as np

from sklearn.neural_network import MLPClassifier
clf = MLPClassifier(solver='sgd',hidden_layer_sizes=(4,4),learning_rate_init=0.05,activation='logistic',max_iter=30000)

from sklearn.model_selection import cross_val_score
scores = cross_val_score(clf,X,np.ravel(y),cv=5,scoring='accuracy')