输入，输出层 sklearn python答案

【问题标题】：Inputs, ouputs layers sklearn python输入，输出层 sklearn python
【发布时间】：2018-04-11 21:40:20
【问题描述】：

我想我在这里遗漏了一些东西，但是来自 Sklearn 的 Mlp 回归器如何计算或定义输入和输出层中的神经元数量？

我在文档中找不到解释。

【问题讨论】：

【解决方案1】：

Sklean 在fit 方法中定义输入和输出形状。事实上，sklearn 中的每个模型都是一个类，它实现了一个名为fit 的方法。

下面是sklearn.neural_network.MLPRegressor 的代码：

def fit(self, X, y):
    """Fit the model to data matrix X and target(s) y.
    Parameters
    ----------
    X : array-like or sparse matrix, shape (n_samples, n_features)
        The input data.
    y : array-like, shape (n_samples,) or (n_samples, n_outputs)
        The target values (class labels in classification, real numbers in
        regression).
    Returns
    -------
    self : returns a trained MLP model.
    """
    return self._fit(X, y, incremental=False)

查看github 上的代码以了解更多信息如何协同工作。

【讨论】：