23、深度学习与强化学习：模型实现与应用

深度学习与强化学习：模型实现与应用

1. 数据可视化与Scikit - learn MLP关键参数

在开始深入模型之前，我们可以先绘制前32个样本，以此对数据有一个直观的认识。以下是示例代码：

fig = plt.figure(figsize = (8,8))
fig.subplots_adjust(left=0, right=1, bottom=0, top=1, hspace=0.05, 
wspace=0.05)
for i in range(32):
    ax = fig.add_subplot(8, 8, i+1, xticks=[], yticks=[])
    ax.imshow(digits.images[i], cmap=plt.cm.gray_r)
ax.text(0, 1, str(digits.target[i]), bbox=dict(facecolor='white'))

执行上述代码后，我们可知数据集中有1797个样本。接下来，我们关注Scikit - learn多层感知器（MLP）模型的关键参数，这些参数对于模型的调优至关重要。以下是一些重要参数的介绍：
| 参数 | 说明 | 默认值 |
| ---- | ---- | ---- |
| hidden_layer_sizes | 需指定隐藏层数量以及每个隐藏层的神经元数量，如(5,3,3)表示有三个隐藏层，各层神经元数量分别为5、3、3 | (100,)，即一个包含100个神经元的隐藏层 |
| activation | 隐藏层的激活函数，有’relu’、’logistic