确认scikit-learn中MLPRegressor模型架构的技术问询

模型代码 #

x_train, x_test, y_train, y_test = train_test_split(x_scaled[1:6000], y[1:6000], train_size=0.5, test_size=0.25)

mlp = neural_network.MLPRegressor(hidden_layer_sizes=(100, 20), activation="relu",
                 solver='adam', alpha=0.0001,
                 batch_size='auto', learning_rate="constant",
                 learning_rate_init=0.001,
                 max_iter=1000,tol=1e-4)

mlp.fit(x_train, y_train)
r = mlp.score(x_train, y_train)
y_predict = mlp.predict(x_test)  

架构问题解答 #

• 若x包含6个输入，输入层确实有6个单元，输入层单元数与特征维度完全一致。
• 是的，模型包含两个隐藏层，第一个隐藏层有100个单元，第二个隐藏层有20个单元，hidden_layer_sizes参数的元组元素依次对应各隐藏层的单元数量。
• 输出层是1个单元，因为MLPRegressor是回归模型，默认输出单个连续值，输出层单元数等于目标变量y的维度，这里y为单变量，因此输出层仅1个单元。

内容的提问来源于stack exchange，提问作者Dila