SciKit Learn 中 MLPRegressor 的隐藏层大小是如何确定的？

【问题标题】：How is the hidden layer size determined for MLPRegressor in SciKitLearn?SciKit Learn 中 MLPRegressor 的隐藏层大小是如何确定的？
【发布时间】：2019-09-11 04:49:54
【问题描述】：

假设我正在使用以下代码创建一个神经网络：

from sklearn.neural_network import MLPRegressor

model = MLPRegressor(
  hidden_layer_sizes=(100,),
  activation='identity'
)
model.fit(X_train, y_train)

对于hidden_layer_sizes，我只是将其设置为默认值。但是，我真的不明白它是如何工作的。我的定义中隐藏层的数量是多少？是100吗？

【问题讨论】：

标签： python machine-learning scikit-learn neural-network

【解决方案1】：

来自docs：

hidden_layer_sizes : 元组，长度 = n_layers - 2，默认 (100,)

第 i 个元素表示第 i 个隐藏层的神经元个数。

是length = n_layers - 2，因为隐藏层的数量是n_layers 的总层数，输入层减1，输出层减1。

在您的（默认）(100,) 情况下，它意味着一个 100 个单元（神经元）的隐藏层。

对于 3 个隐藏层，例如，分别为 100、50 和 25 个单位，它将是

hidden_layer_sizes = (100, 50, 25)

见example in the docs（是MLPClassifier，但逻辑相同）。

【讨论】：