bp神经网络实现垃圾邮件分类时，导入python中的sklearn库的 MLPClassifier分类器，自带的超参数有哪些

MLPClassifier分类器自带的超参数包括：
1. hidden_layer_sizes：控制神经网络的隐藏层结构，可以是一个元组或列表，元素个数表示隐藏层的层数，每个元素表示该层神经元的个数；
2. activation：神经元的激活函数，默认为"relu"；
3. solver：用于优化权重的求解器，包括："lbfgs"、"sgd"和"adam"；
4. alpha：控制正则化项的强度；
5. batch_size：用于进行随机梯度下降算法的mini-batch大小，默认为"auto"；
6. learning_rate：控制权重更新时的步长；
7. learning_rate_init：初学习率；
8. power_t：用于"Sgd"更新的指数，即learning_rate更新的速率；
9. max_iter：最大迭代次数；
10. shuffle：控制每轮迭代时是否打乱样本顺序，默认为True；
11. random_state：随机数种子，用于初始化权重或打乱样本；
12. tol：控制迭代停止的容忍度；
13. verbose：把求解器优化过程输出到控制台；
14. warm_start：当设置为True时，使用上一次拟合的结果作为初始化权重继续训练，否则重新初始化网络。