机器学习 · 函数

多层感知器回归器

创建多层感知器（MLP）回归器。

调用签名(隐藏层大小=(100,), **选项)

多ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 多层感知器回归器
设 结果 = 机器学习.多层感知器回归器(
    隐藏层大小=(100,),  # 可选；按函数业务含义传入 隐藏层大小;首次使用建议先 ...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

2 个参数

参数类型 / 传入方式说明

隐藏层大小可选 · 默认 (100,)

未声明位置参数或字段名=值

按函数业务含义传入隐藏层大小;首次使用建议先打印(结果) 确认其作用。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

选项可选 · 默认不传则为空

未声明可变关键字参数，用 **字典展开

额外关键字参数，用字典形式展开传入。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 多层感知器回归器
设 结果 = 机器学习.多层感知器回归器(
    隐藏层大小=(100,),  # 可选；按函数业务含义传入 隐藏层大小;首次使用建议先 ...
    **[1, 2, 3, 4],  # 可选；额外关键字参数，用字典形式展开传入
)
打印(结果)

# 进阶组合:多层感知器回归器 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.多层感知器回归器(
    隐藏层大小=(100,),  # 可选
    **[1, 2, 3, 4],  # 选项
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:类型不匹配
# 错误:传错类型
# 设 结果 = 机器学习.多层感知器回归器(隐藏层大小=None)  # TypeError
# 修复:按字段类型 未声明 传值
设 结果 = 机器学习.多层感知器回归器(隐藏层大小=(100,))
打印(结果)