mlpregressor有什么参数

`MLPRegressor` 是一个用于多层感知器回归的类，其主要参数如下：

1. `hidden_layer_sizes`：表示隐藏层的大小。可以是一个整数，表示隐藏层中的神经元数；也可以是一个包含多个整数的元组，分别表示每个隐藏层中的神经元数。
2. `activation`：表示激活函数的类型。可以是 `'identity'`, `'logistic'`, `'tanh'`, `'relu'` 中的一种，默认为 `'relu'`。
3. `solver`：表示优化器的类型。可以是 `'lbfgs'`, `'sgd'`, `'adam'` 中的一种，默认为 `'adam'`。
4. `alpha`：L2正则化项的惩罚因子。
5. `batch_size`：表示随机梯度下降的批次大小。默认为 `'auto'`，表示根据数据集的大小自动调整批次大小。
6. `learning_rate`：表示学习率的类型。可以是 `'constant'`, `'invscaling'`, `'adaptive'` 中的一种，默认为 `'constant'`。
7. `learning_rate_init`：表示初始学习率。默认为 `0.001`。
8. `max_iter`：表示最大迭代次数。默认为 `200`。
9. `shuffle`：表示是否在每次迭代前打乱训练数据。默认为 `True`。
10. `random_state`：表示随机种子，用于产生随机数。默认为 `None`。
11. `tol`：表示迭代停止的容差。默认为 `1e-4`。

以上是 `MLPRegressor` 的主要参数，根据具体情况可以调整不同的参数值以获得更好的回归效果。