MLP确定特征权重代码

MLP（多层感知器）是一种神经网络模型，可以用于分类和回归问题。在 MLP 中，每个神经元都与上一层的所有神经元相连，每个连接都具有一个权重，表示该连接的重要性。为了确定特征权重，可以使用以下代码：

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

# 生成一个二分类数据集
X, y = make_classification(n_features=10, 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)

# 初始化 MLP 模型
mlp = MLPClassifier(hidden_layer_sizes=(10, 10), max_iter=1000, random_state=42)

# 训练 MLP 模型
mlp.fit(X_train, y_train)

# 输出特征权重
print(mlp.coefs_)

在上面的代码中，我们使用 `make_classification` 生成一个包含 10 个特征的二分类数据集，并将其划分为训练集和测试集。然后，我们初始化一个包含两个隐藏层（每个隐藏层包含 10 个神经元）的 MLP 模型，并使用训练集进行训练。最后，我们输出模型的特征权重（即每个连接的权重），它们存储在 `mlp.coefs_` 中。