Python：使用MLPRegressor安裝3D功能

Question

我正在嘗試使用MLPRegressor來適應預定義的3D功能。 問題是我無法打印出正確的結果，因此我的擬合在繪制時看起來很糟糕。

它的功能如下：

def threeDFunc(xin,yin):
    z = np.zeros((40,40))
    for xIndex in range(0,40,1):
        for yIndex in range(0,40,1):
            z[xIndex,yIndex]=(np.exp(-(xin[xIndex]**2+yin[yIndex]**2)/0.1))
    return z



xThD = np.arange(-1,1,0.05)
yThD = np.arange(-1,1,0.05)
zThD = threeDFunc(xThD, yThD)

上面的圖是應該近似的。

紅色就是它的功能。

代碼如下所示：

classifier = neural_network.MLPRegressor(hidden_layer_sizes=(200, 200), activation='logistic', learning_rate='adaptive')

xy = np.array((xThD.flatten(),yThD.flatten()))

classifier.fit(np.transpose(xy), zThD)

pre = classifier.predict(np.transpose(xy))

import pylab
from mpl_toolkits.mplot3d import Axes3D

fig = pylab.figure()
ax = Axes3D(fig)
X, Y = np.meshgrid(xThD, yThD)
ax.plot_wireframe(X, Y, zThD)
ax.plot_wireframe(X, Y, pre, color='red')
print(np.shape(zThD))
print(np.shape(pre))
plt.show()

Answer 1

使用activation='tanh'將激活函數更改為雙曲線tan函數，使用solver='lbfgs'將解算器更改為lbfgs。

如果你的分類器實例化如下所示，紅色和藍色的圖應該幾乎相同：

classifier = neural_network.MLPRegressor(hidden_layer_sizes=(200, 200), solver='lbfgs', activation='tanh', learning_rate='adaptive')