問題タブ [mlp]

最後にシグモイド活性化関数を持つ 0 の隠れ層 (つまり、入力層と出力層のみ) を持つフィード フォワード ニューラル ネットワークは、ロジスティック回帰と同等であるはずです。

これが真実であることを証明したいのですが、具体的には sklearn MLPClassifier モジュールを使用して 0 の隠れ層を合わせる必要があります。

私の試み：

しかし、これはエラーメッセージになります:

hidden_layer_sizes must be > 0, got [0, 0].

この特定のモジュールを使用してこれを達成する方法はありますか?

sklearn.neural_network MLPRegressor を使用して Python で MLP を構築しています。

グリッド検索があります：

本当に奇妙なこと: param_grid のソルバーを削除し、ソルバーとして adam を選択すると、すべてが完全に正常に実行されます。

ただし、ソルバーとしてsgdを使用したいです。param Grid でそれを使用し、他に何も変更しないとすぐに、エラーが発生します。

値エラー: 入力に NAN、無限大、または行 grid.fit の dtype ('float64') に対して大きすぎる値が含まれています

入力を確認しました。Nan も無限大もありません。通常の値は 0 から 1 の間でスケーリングされています。

何故ですか

期待どおりに余分なディメンションを追加するだけだと言っている他の投稿を見てきました。第一に、それを正確に行う方法がわかりませんが、最も重要なことは、将来のモデルのために自分でこれを理解できるように、寸法が変化する理由を知りたいということです.

トレーニングは MLP のみに制限されていることに注意してください。これは、完全に接続されたレイヤーのみを意味します。畳み込み層もフィードバックも許可されていません (LSTM または任意の RNN アーキテクチャ)。(resnet、densenet など) の事前トレーニング済みモデルは許可されません。ドロップアウト、バッチ正規化、または他のタイプのレイヤー入力/出力操作など、レイヤー間で他の操作を使用できます。必要なヘルプを得るには、コード全体を提供する必要があると思います。コード内のすべてのコメントを許してください。これは、すべてが何をするかについてのリマインダーとして持っています。データ拡張が必要になることはわかっていますが、これが最初に機能する必要があります。