mlpclassifier代码示例

以下是一个简单的 MLPClassifier 代码示例：

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

# 生成一个二分类的样本数据集
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义MLP分类器
clf = MLPClassifier(hidden_layer_sizes=(50, 50), max_iter=300, activation='relu', solver='adam', random_state=42)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出模型准确率
print("Accuracy:", clf.score(X_test, y_test))

在这个示例中，我们使用 sklearn 中的 MLPClassifier 类来训练一个多层感知器模型，使用 make_classification 生成一个二分类的样本数据集，然后将数据集划分为训练集和测试集。在定义 MLPClassifier 时，我们指定了两个隐藏层，每个隐藏层有50个神经元，使用 ReLU 激活函数，使用 Adam 优化器进行优化。我们训练模型并对测试集进行预测，最后输出模型的准确率。