MLPRegressor 超参数搜索

from sklearn.model_selection import GridSearchCV
# 设置 MLPRegressor 的可能参数
parameter_space = {
   # 'hidden_layer_sizes': [(50,50), (100,100), (100,50)],
    'hidden_layer_sizes' : [(50, 50), (100, 100), (50, 100), (100, 50)] + [(50, 50, 50), (100, 100, 100), (50, 100, 50)],
    'activation': ['tanh', 'relu'],
    'solver': ['sgd', 'adam'],
    'alpha': [0.0001, 0.05],
    'learning_rate': ['constant','adaptive'],
}

# 创建 MLPRegressor 实例
mlp = MLPRegressor(max_iter=1000, random_state=1)

# 创建 GridSearchCV 实例
clf = GridSearchCV(mlp, parameter_space, n_jobs=-1, cv=3)
clf.fit(reg_X_train, reg_y_train)

# 查看最佳参数组合和性能
print("最佳参数组合:")
print(clf.best_params_)

print("在该参数下的训练集得分:")
print(clf.best_score_)
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
禁止转载，如需转载请通过简信或评论联系作者。

推荐阅读更多精彩内容