sklearn 神经网络参数

sklearn中的神经网络模型是`MLPClassifier`和`MLPRegressor`，以下是一些常用的参数：

- `hidden_layer_sizes`：神经网络的层数和每层的神经元个数，可以是一个元组例如`(100,)`表示只有一个隐藏层，该层有100个神经元；也可以是一个元组列表例如`[(100,), (50, 25)]`表示有两个隐藏层，第一个隐藏层有100个神经元，第二个隐藏层有50个神经元和25个神经元。
- `activation`：激活函数，可以是`identity`、`logistic`、`tanh`、`relu`等。
- `solver`：优化器，可以是`sgd`、`adam`、`lbfgs`等。
- `alpha`：正则化参数。
- `batch_size`：每次训练的样本数。
- `learning_rate_init`：初始学习率。
- `max_iter`：最大迭代次数。
- `tol`：优化器收敛的阈值。

以上是一些常用的参数，还有一些其他的参数可以根据具体需求进行设置。