## MLPClassifier 多層感知器（MLP）是一種前饋人工神經網絡模型，它將輸入數據集映射到一組適當的輸出上。 ### 構造函數參數 `$inputLayerFeatures`（int） - 輸入圖層要素的數量 `$hiddenLayers`（array） - 具有隱藏層配置的數組，每個值表示每層中的神經元數 `$classes`（array） - 具有不同訓練集類的數組（忽略數組鍵） `$iterations`（int） - 訓練迭代次數 `$learningRate`（float） - 學習率 `$activationFunction`（ActivationFunction） - 神經元激活功能 ``` use Phpml\Classification\MLPClassifier; $mlp = new MLPClassifier(4, [2], ['a', 'b', 'c']); // 4 nodes in input layer, 2 nodes in first hidden layer and 3 possible labels. ``` ***** ### 激活函數也可以與每個單獨的隱藏層一起傳遞。例： ``` use Phpml\NeuralNetwork\ActivationFunction\PReLU; use Phpml\NeuralNetwork\ActivationFunction\Sigmoid; $mlp = new MLPClassifier(4, [[2, new PReLU], [2, new Sigmoid]], ['a', 'b', 'c']); ``` 它們也可以配置Layer對象，而不是將每個隱藏層配置為array。例： ``` use Phpml\NeuralNetwork\Layer; use Phpml\NeuralNetwork\Node\Neuron; $layer1 = new Layer(2, Neuron::class, new PReLU); $layer2 = new Layer(2, Neuron::class, new Sigmoid); $mlp = new MLPClassifier(4, [$layer1, $layer2], ['a', 'b', 'c']); ``` ### 訓練 訓練MLP只需提供隊列樣本和標簽（如array）。例： ``` $mlp->train( $samples = [[1, 0, 0, 0], [0, 1, 1, 0], [1, 1, 1, 1], [0, 0, 0, 0]], $targets = ['a', 'a', 'b', 'c'] ); ``` ### 使用partialTrain方法批量訓練。例： ``` $mlp->partialTrain( $samples = [[1, 0, 0, 0], [0, 1, 1, 0]], $targets = ['a', 'a'] ); $mlp->partialTrain( $samples = [[1, 1, 1, 1], [0, 0, 0, 0]], $targets = ['b', 'c'] ); ``` ***** 您可以更新partialTrain運行之間的學習率： ``` $mlp->setLearningRate(0.1); ``` ### 預測 預測樣本標簽使用預測方法。您可以提供一個樣本或樣本數組： ### 激活功能 * BinaryStep * Gaussian * HyperbolicTangent * Parametric Rectified Linear Unit * Sigmoid (default) * Thresholded Rectified Linear Unit