Sklearn中MLPRegressor默认损失函数及MLP损失函数修改方法问询

默认损失函数说明 #

是的，sklearn.neural_network.MLPRegressor的默认损失函数为均方误差（MSE），对应参数loss的默认取值为'squared_error'（Sklearn新版本统一使用该名称，旧版本曾用'mse'，两者功能一致）。

修改损失函数的方法 #

MLPRegressor仅支持两种内置损失函数，修改时只需在初始化模型时指定loss参数：

• 均方对数误差：loss='mean_squared_log_error'，适用于目标值为正、且数值跨度较大的回归场景
• 均方误差：loss='squared_error'（默认）

示例代码：

from sklearn.neural_network import MLPRegressor

# 初始化使用均方对数误差的MLP回归器
mlp_reg = MLPRegressor(loss='mean_squared_log_error', random_state=42)

注意：MLPRegressor不支持自定义损失函数，若需使用其他损失（如平均绝对误差MAE），需借助TensorFlow、PyTorch等深度学习框架自行实现多层感知器。

内容的提问来源于stack exchange，提问作者Eddie