SciKitLearn 中 MLPRegressor 的隐藏层大小是如何确定的？

Question

假设我正在使用以下代码创建一个神经网络：

from sklearn.neural_network import MLPRegressor

model = MLPRegressor(
  hidden_layer_sizes=(100,),
  activation='identity'
)
model.fit(X_train, y_train)

对于hidden_layer_sizes，我只是将其设置为默认值。但是，我真的不明白它是如何工作的。我的定义中隐藏层的数量是多少？是100吗？

Answer 1

从文档：

hidden_​​layer_sizes :元组，长度 = n_layers - 2，默认 (100,)

第 i 个元素表示第 i 个隐藏层中的神经元数量。

是length = n_layers - 2，因为隐藏层的数量是n_layers输入层的总层数减 1，输出层的总层数减 1。

在您的（默认）情况下(100,)，它意味着一个 100 个单位（神经元）的隐藏层。

对于分别有 100、50 和 25 个单元的 3 个隐藏层，它将是

hidden_layer_sizes = (100, 50, 25)

请参阅文档中的示例（它用于MLPClassifier，但逻辑是相同的）。