问题标签 [mlp]

我正在尝试使用 scikit-learn 的 MLPClassifier 训练 MLP。

我正在用 5400 次迭代训练 mlp，但这大约需要 40 分钟。我做错了什么？这是创建的 mlp：

这是我的代码的培训部分：

train_X 维度为 (27000,784)，即 27000 个样本，每个样本为 28*28=784 像素。

我的处理器是 Intel i7-9750H RAM 大小是 16GB。

我最近开始用 Python 编写深度神经网络，我已经被这个问题困扰了好几个星期。我检查了其他类似的问题，但无法掌握解决方案。

我有一个前馈神经网络，我正在尝试为我的模型获取 R^2 值。我有一个 1031 行 x 9 列的数据框。我将前 7 列（风暴特征）与第 8 列或第 9 列中给出的水位高度相匹配。这里的“h”是我适合前 7 列的列标题。

在此链接中查看 csv 数据。

我得到一个错误：

请帮忙。任何详细的解释将不胜感激。

我正在训练一个简单的人工神经网络模型（MLP），使用它作为激活函数tanh(x)，经过一些交互后，它以等于 10^-5 的误差收敛，这是我的完整代码：

之后，我尝试将激活函数更改为leaky ReLu，但没有收敛。我已经改变了n几次学习率，但错误仍然很高。大约是 7.95，这对我的数据来说很大。这是我的尝试：

编辑：

经过一些修改，这是我的 ReLu 代码（但错误仍然很高~7.77）：

我有一个数据集，分为训练和测试部分。我的任务是训练它并使用 k 折交叉验证评估我的模型。我对任务声明有点困惑。据我所知，k-dold 交叉验证的目的是通过使用所有数据来训练和测试模型，在有限的数据样本上评估模型。请告诉我我的算法是否正确：

1. 连接我的数据集的测试和训练部分。
2. 将整个数据集拆分为 k 个部分。
3. 使用 MLP 在我的数据集除一个以外的所有部分训练我的模型，然后在左侧进行测试。保留评估分数。
4. 计算平均评价分数。

我正在做异常检测。我能够使用自动编码器做到这一点。现在我在自动编码器和 mlp 之间进行组合来比较结果，为此我创建了以下代码：

为了训练模型，我有以下代码：

但我有这个错误：

ValueError：检查目标时出错：预期dense_35的形状为（1，），但数组的形状为（116，）

任何人都可以帮忙吗

我有一个必须翻译成 arff 文件的问题，但我无法弄清楚它非常重要。我们有一个机器人必须到达 X 而不是去黑色方块。它可以向上、向下、向左、向右或停留在其位置。这些将是多层感知器的输出。输入将是正方形的坐标。

我目前正在尝试使用 python 库中的 mlpclassifier 提供的权重矩阵和偏差向量手动计算我的神经网络的输出概率。目标是从 mlp.predict_proba 获得相同的输出。不幸的是，由于未知原因，我无法计算它。首先我执行测试数据和第一个权重矩阵之间的内积，添加来自同一层的偏置向量，然后计算激活函数（在这种情况下为'relu'）......等等直到输出层. 您可以在下面找到我正在使用的代码以及一些附加说明。

提前谢谢你:) Joao

我正在使用 R 中的 Caret 包来创建最大能源需求的预测模型。我需要使用的是神经网络多层感知器，但在 Caret 包中我发现有 2 个 mlp 方法，即“mlp”和“mlpML”。两者有什么区别？

我已经阅读了一本书的描述（高级 R 统计编程和数据模型：分析、机器学习和可视化），但它仍然没有回答我的问题。

我想使用 fastText Sentence Vector 作为输入特征。

我正在尝试使用 MLP 执行句子的二进制分类，并将使用上述代码生成的固定大小的特征来训练算法。这是一个合理的做法吗？

我已经使用 r 中的 caret 包成功创建了一个多层感知器模型。如何绘制神经网络模型？我的代码如下

该代码plot(mlpMLFit)仅针对隐藏单位绘制 RMSE，如下所示：