python机器学习-chapter2_15

•mlp = MLPClassifier(solver = ‘lbfgs‘, random_state = 0)

{‘lbfgs’，‘sgd’，‘adam’}，默认’adam’。权重优化的求解器：‘lbfgs’是准牛顿方法族的优化器；‘sgd’指的是随机梯度下降。‘adam’是指由Kingma，Diederik和Jimmy Ba提出的基于随机梯度的优化器。注意：默认解算器“adam”在相对较大的数据集（包含数千个训练样本或更多）方面在训练时间和验证分数方面都能很好地工作。但是，对于小型数据集，“lbfgs”可以更快地收敛并且表现更好。

MLPClassifier()更多参数见：https://blog.csdn.net/weixin_38278334/article/details/83023958

•在MLP神经网络中，使得决策边界变得平滑，有以下几种方法：

①增加隐单元

②增加隐层数

③将默认的激活函数relu改变为tanh

④改变调节L2惩罚的参数alpha

python机器学习-chapter2_15

原文：https://www.cnblogs.com/bozi/p/12333478.html