- پنج‌شنبه 21 آبان 1405 ساعت 21:05
- 0.6.2
- کامل شده
- منقضی شده
این داکیومنت از طرف توسعه‌دهنده ساپورت نمی‌شود، جدیدترین ورژن داکیومنت بزودی ترجمه خواهد شد.
MLPClassifier یک شبکه عصبی پیش‌خور از نوع پرسپترون چندلایه است. داده ورودی از لایه ورودی عبور می‌کند، در لایه‌های پنهان تبدیل می‌شود و در نهایت یکی از کلاس‌های تعریف‌شده را پیش‌بینی می‌کند.
نحوه کار و کاربرد
پارامترهای اصلی شامل تعداد ویژگی ورودی، ساختار لایه‌های پنهان، کلاس‌های خروجی، تعداد Iteration، نرخ یادگیری و تابع فعال‌سازی هستند. تعداد نورون‌ها و نرخ یادگیری باید با اندازه داده و پیچیدگی مسئله متناسب باشد.
نمونه
use Phpml\Classification\MLPClassifier;
$samples = [[1,0,0],[0,1,0],[1,1,1],[0,0,1]];
$targets = ['a','a','b','b'];
$mlp = new MLPClassifier(3, [4], ['a','b'], 1000, 0.1);
$mlp->train($samples, $targets);
$prediction = $mlp->predict([1,0,1]);نکته
شبکه عصبی به مقیاس ویژگی و تنظیم پارامتر حساس است؛ نتیجه را روی داده دیده‌نشده ارزیابی کنید.
اصطلاحات مرتبط در واژه‌نامه: طبقه‌بندی