sklearn_NNmodel

sklearn_NNmodel

from sklearn.neural_network import MLPClassifier
from sklearn.neural_network import MLPRegressor
import numpy as np

X = np.array([[0.,0.],
              [1.,1.]])
y = np.array([0,1])
print(X.shape)
print(y.shape)

clf = MLPClassifier(solver="sgd",alpha=1e-5,activation="relu",hidden_layer_sizes=(5,2),max_iter=2000,tol=1e-4,verbose=True)       # solver选择优化算法sgd（随机梯度下降），alpha正则项系数，hidden layer里用激活函数relu，hidden_layer_sizes=(5,2)，2个隐藏层,分别有5个隐藏节点,2个隐藏节点，二元组：里面存2个元素的元组，max_iter最大迭代次数，tol忍受度（sklearn默认连续10次小于，停止迭代），verbose多打印一些信息
clf.fit(X,y)

# 参数项
print([coef.shape for coef in clf.coefs_])
print([coef for coef in clf.coefs_])
# 截距项
print([intercept.shape for intercept in clf.intercepts_])
print([intercept for intercept in clf.intercepts_])

predict_value = clf.predict([[2,2],
                             [-1,-2]])
print(predict_value)
predict_proba = clf.predict_proba([[2.,2.],[-1.,-2.]])
print(predict_proba)

文章到这里就结束了！希望大家能多多支持Python（系列）！六个月带大家学会Python，私聊我，可以问关于本文章的问题！以后每天都会发布新的文章，喜欢的点点关注！一个陪伴你学习Python的新青年！不管多忙都会更新下去，一起加油！

Editor：Lonelyroots