多层感知器回归

# 多层感知器回归

使用多层感知器模型求解回归问题,包含模型训练器和预测器。
定义

M.mlp_regressor.v1(hidden_layer_sizes,activation,solver,alpha,batch_size,learning_rate_init,max_iter,key_cols,other_train_parameters={})

参数

  • hidden_layer_sizes(str)—各隐含层的神经元个数,使用英文逗号分隔。例如输入100,50 表示有两层隐含层,第一层隐含层有100个神经元,第二层有50个神经元。
  • activation(str)—隐藏层的激活函数类型,为了使用反向传播算法进行有效学习,激活函数必须限制为可微函数,内置可选函数包括:identity, logistic,tanh和 relu,
  • solver(str)—优化器,用于优化权重,内置可选优化器包括:adam,sgd ,lbfgs
  • alpha L2 (float)—L2惩罚项(正则项) 参数,默认为0.0001
  • batch_size(int)—随机优化算法的批量大小,如果优化器为lbfgs将不会生效,默认为200。
  • learning_rate_ini(float)—学习率的初始默认值,当且仅当优化策略为SGD或者ADAM时才有意义,用来控制更新权重时的步长,默认为0.001。
  • max_iter(int)—最大可迭代次数,默认为200。优化器直至收敛或者达到最大可迭代次数时算法停止。
  • key_cols(str)—关键列,指定的关键列会连同预测结果一起输出,多个列之间使用逗号分隔,默认为'date,instrument'两列。
  • other_train_parameters(dict)—其它训练参数,例如{‘criterion’:’mse’}

返回

训练模型
预测结果

返回类型

OutPuts