scikit学习如何实现输出层
scikit学习如何实现输出层
提问于 2017-11-17 21:48:27
- 在科学学习中，输出层有多少个神经元？正如所述的这里，您只能指定隐藏层的大小和它们的神经元，而不能指定输出层的任何内容，因此我不确定scikit是如何实现输出层的。
- 对于只有一个神经元的输出层，使用
softmax激活函数有意义吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-11-17 23:03:16
测试：
设置：
In [227]: %paste
clf = MLPClassifier()
m = 10**3
n = 64
df = pd.DataFrame(np.random.randint(100, size=(m, n))).add_prefix('x') \
.assign(y=np.random.choice([-1,1], m))
X_train, X_test, y_train, y_test = \
train_test_split(df.drop('y',1), df['y'], test_size=0.2, random_state=33)
clf.fit(X_train, y_train)
## -- End pasted text --
Out[227]:
MLPClassifier(activation='relu', alpha=0.0001, batch_size='auto', beta_1=0.9,
beta_2=0.999, early_stopping=False, epsilon=1e-08,
hidden_layer_sizes=(100,), learning_rate='constant',
learning_rate_init=0.001, max_iter=200, momentum=0.9,
nesterovs_momentum=True, power_t=0.5, random_state=None,
shuffle=True, solver='adam', tol=0.0001, validation_fraction=0.1,
verbose=False, warm_start=False)产出数目：
In [229]: clf.n_outputs_
Out[229]: 1层数：
In [228]: clf.n_layers_
Out[228]: 3求解程序运行的迭代次数：
In [230]: clf.n_iter_
Out[230]: 60下面是源代码的摘录，其中将选择输出层的激活函数：
# Output for regression
if not is_classifier(self):
self.out_activation_ = 'identity'
# Output for multi class
elif self._label_binarizer.y_type_ == 'multiclass':
self.out_activation_ = 'softmax'
# Output for binary class and multi-label
else:
self.out_activation_ = 'logistic'更新： [0,1]
if not incremental:
self._label_binarizer = LabelBinarizer()
self._label_binarizer.fit(y)
self.classes_ = self._label_binarizer.classes_页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/47359784
复制相关文章
相似问题
腾讯云开发者
