初始化权重sklearn.神经网络

Question

我想在mlpclassizer中初始化权重，但是当我在.fit()方法中使用sample_-weight时， 上面写着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)

我也读过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碜weight。在

有没有什么方法可以像Decisiontreeclassifier那样使用sample_weight来表示MLPclassifier？在

Answer 1

根据sklearn.neural_network.MLPClassifier.fit，fit方法没有名为sample_weight的参数

Answer 2

这是因为MLPClassifier与DecisionTreeClassifier不同，它没有带有sample_weight参数的fit()方法。在

见the documentation。在

也许这个类似问题的一些答案可以帮助： How to set initial weights in MLPClassifier?

Answer 3

sklearn神经网络还没有样本权重。但你可以先：

1. 在Keras中找到它：https://keras.io/models/sequential/
2. 用numpy编写NN并自己实现样本权重