我正在学习如何使用scikit-learn的MLPClassifier。为了一个非常简单的例子，我想尝试让它学会计算XOR函数，因为我之前手动练习过这个函数。

然而，在我尝试拟合模型后，它只是输出零。

xs = np.array([    0, 0,    0, 1,    1, 0,    1, 1]).reshape(4, 2)ys = np.array([0, 1, 1, 0]).reshape(4,)model = sklearn.neural_network.MLPClassifier(    activation='logistic', max_iter=10000, hidden_layer_sizes=(4,2))model.fit(xs, ys)print('score:', model.score(xs, ys)) # outputs 0.5print('predictions:', model.predict(xs)) # outputs [0, 0, 0, 0]print('expected:', np.array([0, 1, 1, 0]))

我也在github上的jupyter笔记本中放置了我的代码 https://gist.github.com/zrbecker/6173ac01ed30be4eea9cc96e21f4896f

为什么scikit-learn无法找到一个解决方案，而我可以明确地证明一个解决方案是存在的？成本函数是否卡在一个局部最小值？是否有某种正则化作用于参数，迫使它们保持接近0？我使用的参数是相当大的（即-30到30）。

回答：

看起来这里的问题根源是使用了logistic激活函数。

将你的激活函数改为tanh或relu（我更喜欢的）。演示如下：

model = sklearn.neural_network.MLPClassifier(    activation='relu', max_iter=10000, hidden_layer_sizes=(4,2))model.fit(xs, ys)

这个模型的输出如下：

score: 1.0predictions: [0 1 1 0]expected: [0 1 1 0]

在你决定最佳配置或完全放弃之前，尝试不同的网络配置总是一个好主意。