我想在 MLP 分类器中初始化权重,但是当我在 .fit()
方法中使用 sample_weight 时,
它说 TypeError: fit() got an unexpected keyword argument 'sample_weight'
import sklearn.neural_network as SKNN
mlp_classifier = SKNN.MLPClassifier((10,), learning_rate="invscaling",solver="lbfgs")
fit_model = mlp_classifier.fit(train_data,train_target, sample_weight = weight)
我还读了What does `sample_weight` do to the way a `DecisionTreeClassifier` works in sklearn? ,它说你应该在 .fit()
方法中使用 sample_weight。
有什么方法可以像 Decisiontreeclassifier
中使用的那样为 MLPclassifier
使用 sample_weight
吗?
最佳答案
那是因为 MLPClassifier
不像 DecisionTreeClassifier
没有带有 sample_weight
参数的 fit()
方法.
参见 the documentation .
也许这个类似问题的一些答案可以提供帮助: How to set initial weights in MLPClassifier?
关于python - 在 sklearn.neural_network 中初始化权重,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53243482/