MLPRegressor 参数解释

MLPRegressor()是一个多层感知器（MLP）回归器对象，其参数解释如下：

hidden_layer_sizes：元组或列表类型，表示神经网络隐藏层的神经元个数和层数，默认为(100,)，表示一层100个神经元。
activation：激活函数，可选值为‘identity’、‘logistic’、‘tanh’、‘relu’，默认为‘relu’。
solver：优化器，可选值为‘lbfgs’、‘sgd’、‘adam’，默认为‘adam’。
alpha：L2正则化项系数，默认为0.0001。
batch_size：优化器使用的批次大小，默认为‘auto’，表示根据输入数据自动确定批次大小。
learning_rate：学习率，可选值为‘constant’、‘invscaling’、‘adaptive’，默认为‘constant’。
learning_rate_init：学习率初始值，默认为0.001。
power_t：学习率指数，仅在learning_rate为‘invscaling’时有效，默认为0.5。
max_iter：最大迭代次数，默认为200。
shuffle：每次迭代是否打乱数据，默认为True。
random_state：随机数种子，默认为None。
tol：优化器停止迭代的容差，默认为1e-4。
verbose：是否打印详细信息，默认为False。
warm_start：是否使用前一次训练结果继续训练，默认为False。
momentum：动量参数，仅在solver为‘sgd’时有效，默认为0.9。
nesterovs_momentum：是否使用Nesterov动量，默认为True。
early_stopping：是否使用提前停止功能，默认为False。
validation_fraction：提前停止时验证集的比例，默认为0.1。
beta_1：Adam优化器的beta1参数，默认为0.9。
beta_2：Adam优化器的beta2参数，默认为0.999。
epsilon：Adam优化器的epsilon参数，默认为1e-8