MLPRegressor() 参数详解：多层感知器回归模型参数解读

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。