sklearn中使用MLPRegressor实现回归

最新推荐文章于 2025-03-06 15:37:08 发布

机智帅气的葫芦娃

最新推荐文章于 2025-03-06 15:37:08 发布

阅读量5.2w

点赞数 13

分类专栏：算法文章标签： sklearn 回归算法

本文链接：https://blog.csdn.net/clever_wr/article/details/88097802

版权

使用的数据集是上篇文章生成的test.txt文件经过一些处理后得到的数据集文件。

# -*- coding: utf-8 -*-
#--------------------------
#from sklearn.neural_network import MLPClassifier #用于多分类的情况
#SciKit-learn库 可以创建神经网络
#MLP是多层感知器，使用的是前馈神经网络
#只支持交叉熵损失，使用mlp.predict_proda()，最小化交叉熵，同时给似然估计p(y|x)
#支持多分类使用softmax
#mlp = MLPClassifier(hidden_layer_sizes=(13, 13, 13), max_iter=500)
#mlp.fit(xtrain, ytrain)
#--------------------------
from sklearn.neural_network import MLPRegressor
from sklearn.model_selection import train_test_split
import numpy as np
import matplotlib.pyplot as plt
from sklearn import preprocessing
a = np.loadtxt("./test.txt")
scaler = preprocessing.StandardScaler().fit(a)
a = scaler.transform(a)
#print(a.shape) #get value from txt
x = a[:,0] #get the first column from a
y = a[:,1] ##get the second column from a
X_train, X_test, y_train, y_test = train_test_split(x, y, test_size=0.2)
pri