Python scikit 学习 MLPClassifier “hidden_layer_sizes”答案

【问题标题】：Python scikit learn MLPClassifier "hidden_layer_sizes"Python scikit 学习 MLPClassifier “hidden_layer_sizes”
【发布时间】：2016-05-23 15:46:51
【问题描述】：

我迷失在 scikit learn 0.18 用户手册中（http://scikit-learn.org/dev/modules/generated/sklearn.neural_network.MLPClassifier.html#sklearn.neural_network.MLPClassifier）：

   hidden_layer_sizes : tuple, length = n_layers - 2, default (100,)
   The ith element represents the number of neurons in the ith hidden layer.

如果我在我的模型中只寻找 1 个隐藏层和 7 个隐藏单元，我应该这样放置吗？谢谢！

    hidden_layer_sizes=(7, 1)

【问题讨论】：

一个确定的好方法是检查coefs_属性

标签： python python-2.7 scikit-learn neural-network

【解决方案1】：

hidden_layer_sizes=(7,) 如果你只想要 7 个隐藏单元的 1 个隐藏层。

length = n_layers - 2 是因为你有 1 个输入层和 1 个输出层。

【讨论】：

谢谢！这是令人困惑的部分。如果我正在寻找具有 10 个隐藏单元的 3 个隐藏层怎么办？ hidden_layer_sizes=(10,1)?
(10,10,10) 如果你想要 3 个隐藏层，每个隐藏层有 10 个隐藏单元。
所以我的理解是默认是 1 个隐藏层，每个隐藏层 100 个隐藏单元？谢谢！
@Farseer，如果你想测试这个NN架构：56:25:11:7:5:3:1., 56是输入层，输出层是1，hidden_layer_sizes= (25,11,7,5,3)？

【解决方案2】：

在docs：

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

表示： hidden_layer_sizes 是一个大小为 (n_layers -2) 的元组

n_layers 表示根据架构我们想要的层数。

从 n_layers 中减去值 2，因为两个层（输入和输出）不属于隐藏层，因此不属于计数。

default(100,) 表示如果没有为 hidden_layer_sizes 提供值，则默认架构将具有一个输入层、一个具有 100 个单元的隐藏层和一个输出层。

再次来自文档：

第i个元素代表第i个隐藏层的神经元个数。

表示元组中的每个条目都属于相应的隐藏层。

例子：

对于架构 56:25:11:7:5:3:1，输入为 56，输出为 1 隐藏层将是 (25:11:7:5:3)。所以元组hidden_layer_sizes = (25,11,7,5,3,)
对于具有输入 3 和输出 2 的 3:45:2:11:2 架构隐藏层将是 (45:2:11)。所以元组hidden_layer_sizes = (45,2,11,)

【讨论】：

那么机器学习如何知道sklearn设置中输入输出层的大小呢？
当您 fit()（训练）分类器时，它会将输入神经元的数量固定为每个数据样本中的特征数量。并且没有输出是“y”或目标变量中的类数。