機器學習實驗---人工神經網路MLP基於sklearn的實現
阿新 • • 發佈:2019-01-29
導語
上次寫了隨機森林的基於sklearn庫的大致實現步驟,這次我們來看看人工神經網路的實現步驟吧~
MLP就是多層感知器的意思,我們這裡也是通過引入MLPClassifier來實現的。
步驟詳解:
首先從sklearn中匯入MLPC
匯入待訓練的資料集
通過呼叫MLPC訓練器對訓練集進行訓練
利用訓練集對測試資料進行測試
返回錯誤率
from sklearn.neural_network import MLPClassifier
x = [[0,0]
y = [0,1]
clf = MLPClassifier(solver='lbfgs',alpha=1e-5,hidden_layer_sizes=(5,2),random_state=1)
clf.fit(X,y)
X1 = [[2,2],[-1,2]]
preY1 = clf.predict(X1)
以上程式碼從輸入訓練集,和輸入測試集,最後給出了對測試集的預測。
那我們接下來解析一下MLPClassifier分類器的屬性設定吧~
solver='lbfgs'
solver給的是神經網路的求解方法,lbfgs是其中一種求解方法,在資料比較小的時候表現較好。
adam這種方法則魯棒性較強,
sgd則在引數調整較優的時候會有最佳表現。
本文程式碼來自於官網,思路是參考的各路大神的部落格~