sklearn 的 MLPClassifier 用于 MNIST 数字分类任务的输入和输出层有多少个节点答案

【问题标题】：How many nodes in input and output layers of sklearn's MLPClassifier for MNIST digits classification tasksklearn 的 MLPClassifier 用于 MNIST 数字分类任务的输入和输出层有多少个节点
【发布时间】：2020-04-28 16:22:41
【问题描述】：

我正在关注https://scikit-learn.org/stable/auto_examples/neural_networks/plot_mnist_filters.html#sphx-glr-auto-examples-neural-networks-plot-mnist-filters-py 上的示例，并试图弄清楚我对示例中输入和输出层中节点数量的理解是否正确。所需代码如下：

import matplotlib.pyplot as plt
from sklearn.datasets import fetch_openml
from sklearn.neural_network import MLPClassifier

print(__doc__)

# Load data from https://www.openml.org/d/554
X, y = fetch_openml('mnist_784', version=1, return_X_y=True)
X = X / 255.

# rescale the data, use the traditional train/test split
X_train, X_test = X[:60000], X[60000:]
y_train, y_test = y[:60000], y[60000:]

mlp = MLPClassifier(hidden_layer_sizes=(50,), max_iter=10, alpha=1e-4,
                    solver='sgd', verbose=10, random_state=1,
                    learning_rate_init=.1)

mlp.fit(X_train, y_train)
score = mlp.score(X_test, y_test)

根据https://dudeperf3ct.github.io/mlp/mnist/2018/10/08/Force-of-Multi-Layer-Perceptron/，该示例说明输入层中有 784 个节点（我假设来自数据的shape）和输出层有 10 个节点，每个数字 1 个节点。

上面代码中的MLPClassifier是这样的吗？

谢谢你，一些澄清会很棒！

【问题讨论】：

标签： python python-3.x scikit-learn mnist mlp

【解决方案1】：

你的理解是正确的。 MNIST 数字数据的图像大小为 28x28，它被展平为 784，输出大小为 10（从 0 到 9 每个数字一个）。 MLPClassifier 根据 Fit 方法中提供的数据隐式设计输入和输出层。

您的 NN 配置将如下所示：输入：200 x 784 隐藏层：784 x 50（特征尺寸：200 x 50）输出层：50 x 10（特征尺寸：200 x 10）

在 MLPClassifier 中，Batch 大小默认为 200，因为训练数据大小为 60000

【讨论】：