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
根据sklearn.neural_network.MLPClassifier.fit,
fit
方法没有名为sample_weight
的参数这是因为
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?
sklearn神经网络还没有样本权重。但你可以先:
相关问题 更多 >
编程相关推荐