如何在 sklearn MLPClassifier 中设置输入神经元的数量？答案

【问题标题】：How to set up the number of inputs neurons in sklearn MLPClassifier?如何在 sklearn MLPClassifier 中设置输入神经元的数量？
【发布时间】：2018-02-17 21:04:14
【问题描述】：

给定一个包含n 样本、m 特征的数据集，并使用[sklearn.neural_network.MLPClassifier][1]，我如何设置hidden_layer_sizes 以从m 输入开始？例如，我知道如果hidden_layer_sizes= (10,10) 表示 10 个神经元（即单元）中的每一个有 2 个隐藏层，但我不知道这是否也意味着 10 个输入。

谢谢

【问题讨论】：

标签： scikit-learn neural-network

【解决方案1】：

这个分类器/回归器在调用 fit 时会自动执行此操作。

这可以在它的代码here中看到。

摘录：

n_samples, n_features = X.shape

# Ensure y is 2D
if y.ndim == 1:
    y = y.reshape((-1, 1))

self.n_outputs_ = y.shape[1]

layer_units = ([n_features] + hidden_layer_sizes +
               [self.n_outputs_])

你看，你可能给定的hidden_layer_sizes 被.fit() 中的数据定义的层维度包围。这就是原因，签名读起来像this 减2！：

参数

hidden_layer_sizes : tuple, length = n_layers - 2, default (100,)

The ith element represents the number of neurons in the ith hidden layer.

【讨论】：

感谢您的回复。所以会有一个内部应用的n_features神经元的输入层+一个用于输出的神经元！！
是的。它被可视化了here。