Python scikit learn MLPClassifier “hidden_layer_sizes”
Je suis perdu dans le scikit learn 0.18 manuel de l'utilisateur (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.
Si je suis à la recherche pour seulement 1 couche cachée et 7 unités cachées dans mon modèle, dois-je mettre comme ça? Merci!
hidden_layer_sizes=(7, 1)
- Un bon moyen d'être certain est de vérifier la
coefs_
attribut
Vous devez vous connecter pour publier un commentaire.
hidden_layer_sizes=(7,)
si vous voulez seulement 1 couche cachée avec 7 unités cachées.length = n_layers - 2
est parce que vous avez 1 couche d'entrée et 1 couche de sortie.Je sais je suis en retard dans la réponse, encore le partage ...
Dans le document
signifie :
hidden_layer_sizes est un tuple de taille (n_layers -2)
n_layers signifie pas de couches nous voulons que par architecture.
Valeur 2 est soustraite de n_layers parce que les deux couches (entrée & sortie ) ne font pas partie des couches cachées, afin de ne pas appartenir au comte.
par défaut(100,) signifie que si aucune valeur n'est fournie pour hidden_layer_sizes par défaut, l'architecture ont une couche d'entrée, une couche cachée avec 100 unités, et une couche de sortie.
Ligne
signifie que chaque entrée dans tuple appartient à la correspondante de la couche cachée.
Exemple :
Pour l'architecture 56:25:11:7:5:3:1 avec la participation de 56 et 1 sortie
calques masqués (25:11:7:5:3). Donc tuple hidden_layer_sizes = (25,11,7,5,3,)
Pour l'architecture 3:45:2:11:2 avec entrée 3 et 2 sortie
calques masqués (45:2:11). Donc tuple hidden_layer_sizes = (45,2,11,)
Espère que cela répond à votre requête dans le plein ..