我正在使用sklearn的MLPClassifier()函数制作一个分类器，并有以下代码：
def train_NN(self, trained_data_list, test_size=0.25): X = np.array([[7, 4], [3,7], [8,5], [2,3]]) y = np.array([0, 1, 1, 0]) X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0) #奇怪的是，打印'X_train'会显示以下内容：[[2 3] [3 7] [7 4]]，似乎丢失了我的点[8 5] #打印'y_train'会显示以下内容：[0 1 0] self.clf = MLPClassifier(solver='lbfgs', alpha=1e-10, hidden_layer_sizes=(2, 2), activation = 'tanh', random_state=5, max_iter=10000, learning_rate_init = 0.1) self.clf.fit(X_train, y_train) print(self.clf.predict(np.atleast_2d([7,4]))) #返回 0 print(self.clf.predict(np.atleast_2d([3,7]))) #返回 0 print(self.clf.predict(np.atleast_2d([8,5]))) #返回 0 print(self.clf.predict(np.atleast_2d([2,3]))) #返回 0 我的理解是，’X’数组应该与’y’数组相关联。例如，将[3,7]值传递给clf.predict()应该返回’1’，因为这是我的NP数组定义的方式。[8,5]应该返回’1’，[2, 3]应该返回’0’，依此类推。
我计划在更大规模上进行这个操作，这里使用的数据只是为了演示我的问题。我刚接触NN领域，所以我相信我只是错过了一些小细节。
回答：
如果有人遇到这个问题，我找到了问题所在。我使用了错误的激活函数。结果发现，在这种类型的分类场景中，’logistic’比’tanh’效果好得多：
def train_NN(self, trained_data_list, test_size=0.25): X = np.array([[7, 4], [3,7], [8,5], [2,3]]) y = np.array([0, 1, 1, 0]) X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0) self.clf = MLPClassifier(solver='lbfgs', alpha=1e-10, hidden_layer_sizes=(2, 2), activation = 'logistic', random_state=5, max_iter=10000, learning_rate_init = 0.1) self.clf.fit(X_train, y_train) print(self.clf.predict(np.atleast_2d([7,4]))) #返回 0 print(self.clf.predict(np.atleast_2d([3,7]))) #返回 1 print(self.clf.predict(np.atleast_2d([8,5]))) #返回 1 print(self.clf.predict(np.atleast_2d([2,3]))) #返回 0 