1 0.94 0.75 0.83 40 2 0.80 0.95 0.87 42
avg / total 0.87 0.85 0.85 82 4 2 55
看来测试集中我们只错误分类了10+2=12个人的身高和体重。
查看 MLP 训练模型得到的权重和偏差，使用 public 属性 coefs_ 和 intercepts_。
即打印出如下： 权重矩阵的列表： print(len(mlp.coefs_)) 权重矩阵的列表0层到一层： print(len(mlp.coefs_[0])) 偏差向量的列表0处到1处： print(len(mlp.intercepts_[0]))
coefs_ 是权重矩阵的列表，其中索引 i 处的权重矩阵表示层 i 和层 i+1 之间的权重。intercepts_ 是偏差向量的列表，其中索引 i 处的向量表示添加到层 i+1 的偏差值。 得出结果结果如上输出。
4 2 55
五、实验心得
通过这次实验对实验五和实验六中学生男生和女生的身高体重的数据集进行神经网
络分类算法进行比较，得出了神经网络分类算法相比于k-means算法和DBScan算法的区别，明白了创建一个神经网络，从叠加多层感知器开始，创建一个神经网络的多层感知器模型。包含传入数据的输入层和产生结果的输出层，输入层和输出层之间的任何层都被称为隐藏层，因为它们不能直接得到数据的特征输入或输出，通过本次实验的思路和设计算法程序思维对以后学习和工作都有助于帮助。 六、注意事项
1、不同隐层数目的结果 2、学习率的选取
3、数据集采用分类算法数据集
4、参考资料 https://www.zhihu.com/question/24738573关于神经网络的sklearn使用
机器学习神经网络算法
