9、神经网络调优与不确定性估计详解

神经网络调优与不确定性估计详解

1. 多层感知机（MLP）在双月数据集上的应用

1.1 基本模型构建

我们将 MLPClassifier 应用于双月数据集，来探究多层感知机（MLP）的工作原理。以下是具体代码：

from sklearn.neural_network import MLPClassifier
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
import mglearn
import matplotlib.pyplot as plt

X, y = make_moons(n_samples=100, noise=0.25, random_state=3)
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)
mlp = MLPClassifier(algorithm='l-bfgs', random_state=0).fit(X_train, y_train)
mglearn.plots.plot_2d_separator(mlp, X_train, fill=True, alpha=.3)
plt.scatter(X_train[:, 0], X_train[:, 1], c=y_train, s=60, cmap=mglearn.cm2)

运行上述代码后，我们可以看到神经网络学