mlpclassifier代码示例

以下是使用sklearn库中的MLPClassifier进行分类的代码示例：

from sklearn.neural_network import MLPClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成一个随机分类数据集
X, y = make_classification(n_features=10, n_samples=1000, random_state=42)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

# 创建MLPClassifier模型并进行训练
model = MLPClassifier(hidden_layer_sizes=(100, 50), activation='relu', solver='adam', max_iter=1000, random_state=42)
model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = model.predict(X_test)

# 输出模型的准确率
accuracy = model.score(X_test, y_test)
print("Accuracy:", accuracy)

在这个示例中，我们使用make_classification生成一个随机分类数据集，并将其划分为训练集和测试集。然后，我们创建了一个MLPClassifier模型，设置了隐藏层的大小、激活函数、优化器等参数，并使用训练集进行训练。最后，在测试集上进行预测，并输出模型的准确率。