MATLAB里的Newrbe对应的pycharm代码

在PyCharm中，可以使用Scikit-learn库中的MLPRegressor来实现类似于MATLAB中的Newrbe的神经网络模型。

以下是一个简单的示例代码：

from sklearn.neural_network import MLPRegressor
import numpy as np

# 生成随机数据
X = np.random.rand(100, 10)
y = np.random.rand(100)

# 定义神经网络模型
model = MLPRegressor(hidden_layer_sizes=(10, ), activation='logistic', solver='lbfgs')

# 训练模型
model.fit(X, y)

# 预测新数据
X_new = np.random.rand(10)
y_new = model.predict(X_new.reshape(1, -1))

其中，MLPRegressor的参数含义如下：

- `hidden_layer_sizes`: 隐藏层的大小和数量，可以是一个整数，表示一个隐藏层，也可以是一个元组，表示多个隐藏层。
- `activation`: 激活函数，可以是‘identity’、‘logistic’、‘tanh’、‘relu’等。
- `solver`: 求解器，可以是‘lbfgs’、‘sgd’、‘adam’等。

注意，这里的X和y都是二维数组，其中X的形状为`(n_samples, n_features)`，y的形状为`(n_samples,)`。在预测新数据时，需要将X_new转换为二维数组，形状为`(1, n_features)`。