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')
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。