csh/playbook
1
1
Fork 0
Code Issues Pull Requests Actions 1 Packages Projects Releases Wiki Activity

✨ feat(tsl-api-reference): add class and framework API lookup

Browse Source
This commit is contained in:
csh
2026-08-20 13:49:55 +08:00
parent 7233646398
commit 651c1f68d2
637 changed files with 25498 additions and 36673 deletions
Download Patch File Download Diff File Expand all files Collapse all files
skills/tsl-api-reference/references/codegen/module/mathematical-algorithms/neural-networks.md
+546
View File
@@ -0,0 +1,546 @@
# 应用专题 / 数学算法 / 神经网络
## `mlpClassifier`
声明：class
使用多层感知机进行监督分类的神经网络模型
<!-- tags: 机器学习 神经网络 多层感知机 分类 -->
### `Hidden_layer_sizes`
声明：field
各隐藏层的神经元数量，默认 `array(100)`
可见性：`public`
类型：array
### `Activation`
声明：field
隐藏层激活函数，默认 `relu`
可见性：`public`
类型：string
### `Solver`
声明：field
权重优化求解器，默认 `adam`
可见性：`public`
类型：string
### `Learning_rate`
声明：field
权重更新的学习率时间表，默认 `constant`
可见性：`public`
类型：string
### `Max_iter`
声明：field
最大迭代次数，默认 200
可见性：`public`
类型：integer
### `Early_stopping`
声明：field
验证得分不再改善时是否提前终止训练，默认 `False`
可见性：`public`
类型：boolean
### `Classes_`
声明：field
训练后得到的各输出类别标签
可见性：`public`
类型：array
### `Loss_`
声明：field
当前训练损失
可见性：`public`
类型：real
### `create(hidden_layer_sizes, activation, solver, alpha, batch_size, learning_rate, learning_rate_init, power_t, max_iter, shuffle, random_state, tol, verbose, warm_start, momentum, nesterovs_momentum, early_stopping, validation_fraction, beta_1, beta_2, epsilon, n_iter_no_change, max_fun)`
声明：function
初始化多层感知机分类器
可见性：`public`
| 参数 | 类型 | 说明 |
| --------------------- | --------------- | --------------------------- |
| `hidden_layer_sizes` | array | 各隐藏层的神经元数量 |
| `activation` | string | 隐藏层激活函数 |
| `solver` | string | 权重优化求解器 |
| `alpha` | real | L2 正则化强度 |
| `batch_size` | integer\|string | 随机优化器的批量大小 |
| `learning_rate` | string | 学习率时间表 |
| `learning_rate_init` | real | 初始学习率 |
| `power_t` | real | 反比例学习率指数 |
| `max_iter` | integer | 最大迭代次数 |
| `shuffle` | boolean | 每次迭代是否随机取样 |
| `random_state` | integer | 随机状态 |
| `tol` | real | 优化停止容差 |
| `verbose` | boolean | 是否打印训练进度 |
| `warm_start` | boolean | 是否复用上次拟合结果 |
| `momentum` | real | 梯度下降动量 |
| `nesterovs_momentum` | boolean | 是否使用 Nesterov 动量 |
| `early_stopping` | boolean | 是否启用提前停止 |
| `validation_fraction` | real | 提前停止时保留的验证集比例 |
| `beta_1` | real | Adam 第一矩估计的指数衰减率 |
| `beta_2` | real | Adam 第二矩估计的指数衰减率 |
| `epsilon` | real | Adam 数值稳定参数 |
| `n_iter_no_change` | integer | 未改善时允许的最大迭代轮数 |
| `max_fun` | integer | 最大函数调用次数 |
### `Fit(X, y)`
声明：function
根据特征矩阵和类别目标拟合模型
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------- |
| `X` | array | 二维训练特征数组 |
| `y` | array | 类别目标数组 |
### `Partial_fit(X, y, classes)`
声明：function
对一批数据执行一次增量训练
可见性：`public`
| 参数 | 类型 | 说明 |
| --------- | ----- | ---------------------------- |
| `X` | array | 本批次的二维训练特征数组 |
| `y` | array | 本批次的类别目标数组 |
| `classes` | array | 首次调用时提供的全部可能类别 |
### `Predict(X)`
声明：function
预测输入样本的类别标签
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------------- |
| `X` | array | 需要预测的二维特征数组 |
返回：array
### `Predict_log_proba(X)`
声明：function
返回输入样本属于各类别的对数概率
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------------- |
| `X` | array | 需要预测的二维特征数组 |
返回：array
### `Predict_proba(X)`
声明：function
返回输入样本属于各类别的概率
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------------- |
| `X` | array | 需要预测的二维特征数组 |
返回：array
### `Score(X, y, sample_weight)`
声明：function
返回给定测试数据和标签的平均准确率
可见性：`public`
| 参数 | 类型 | 说明 |
| --------------- | ----- | -------------------------- |
| `X` | array | 二维测试特征数组 |
| `y` | array | 真实类别标签 |
| `sample_weight` | array | 各样本权重；默认值为 `nil` |
返回：real
## `mlpRegressor`
声明：class
使用多层感知机进行监督回归的神经网络模型
<!-- tags: 机器学习 神经网络 多层感知机 回归 -->
### `Hidden_layer_sizes`
声明：field
各隐藏层的神经元数量，默认 `array(100)`
可见性：`public`
类型：array
### `Activation`
声明：field
隐藏层激活函数，默认 `relu`
可见性：`public`
类型：string
### `Solver`
声明：field
权重优化求解器，默认 `adam`
可见性：`public`
类型：string
### `Learning_rate`
声明：field
权重更新的学习率时间表，默认 `constant`
可见性：`public`
类型：string
### `Max_iter`
声明：field
最大迭代次数，默认 200
可见性：`public`
类型：integer
### `Early_stopping`
声明：field
验证得分不再改善时是否提前终止训练，默认 `False`
可见性：`public`
类型：boolean
### `Loss_`
声明：field
当前训练损失
可见性：`public`
类型：real
### `create(hidden_layer_sizes, activation, solver, alpha, batch_size, learning_rate, learning_rate_init, power_t, max_iter, shuffle, random_state, tol, verbose, warm_start, momentum, nesterovs_momentum, early_stopping, validation_fraction, beta_1, beta_2, epsilon, n_iter_no_change, max_fun)`
声明：function
初始化多层感知机回归器
可见性：`public`
| 参数 | 类型 | 说明 |
| --------------------- | --------------- | -------------------------- |
| `hidden_layer_sizes` | array | 各隐藏层的神经元数量 |
| `activation` | string | 隐藏层激活函数 |
| `solver` | string | 权重优化求解器 |
| `alpha` | real | L2 正则化强度 |
| `batch_size` | integer\|string | 随机优化器的批量大小 |
| `learning_rate` | string | 学习率时间表 |
| `learning_rate_init` | real | 初始学习率 |
| `power_t` | real | 反比例学习率指数 |
| `max_iter` | integer | 最大迭代次数 |
| `shuffle` | boolean | 每次迭代是否随机取样 |
| `random_state` | integer | 随机状态 |
| `tol` | real | 优化停止容差 |
| `verbose` | boolean | 是否打印训练进度 |
| `warm_start` | boolean | 是否复用上次拟合结果 |
| `momentum` | real | 梯度下降动量 |
| `nesterovs_momentum` | boolean | 是否使用 Nesterov 动量 |
| `early_stopping` | boolean | 是否启用提前停止 |
| `validation_fraction` | real | 提前停止时保留的验证集比例 |
| `beta_1` | real | Adam 第一矩估计指数衰减率 |
| `beta_2` | real | Adam 第二矩估计指数衰减率 |
| `epsilon` | real | Adam 数值稳定参数 |
| `n_iter_no_change` | integer | 未改善时允许的最大迭代轮数 |
| `max_fun` | integer | 最大函数调用次数 |
### `Fit(X, y)`
声明：function
根据特征矩阵和回归目标拟合模型
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------- |
| `X` | array | 二维训练特征数组 |
| `y` | array | 回归目标数组 |
### `Partial_fit(X, y, classes)`
声明：function
对一批数据执行一次增量训练
可见性：`public`
| 参数 | 类型 | 说明 |
| --------- | ----- | ---------------------------- |
| `X` | array | 本批次的二维训练特征数组 |
| `y` | array | 本批次的回归目标数组 |
| `classes` | array | 原始文档定义的增量训练类参数 |
### `Predict(X)`
声明：function
预测输入样本的回归值
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------------- |
| `X` | array | 需要预测的二维特征数组 |
返回：array
### `Score(X, y, sample_weight)`
声明：function
返回预测值相对于真实值的决定系数 R 方
可见性：`public`
| 参数 | 类型 | 说明 |
| --------------- | ----- | -------------------------- |
| `X` | array | 二维测试特征数组 |
| `y` | array | 真实回归目标 |
| `sample_weight` | array | 各样本权重；默认值为 `nil` |
返回：real
## `bernoulliRBM`
声明：class
使用伯努利可见单元和隐藏单元的限制玻尔兹曼机模型
<!-- tags: 机器学习 神经网络 玻尔兹曼机 特征学习 -->
### `N_components`
声明：field
二进制隐藏单元数，默认 256
可见性：`public`
类型：integer
### `Learning_rate`
声明：field
权重更新的学习率，默认 0.1
可见性：`public`
类型：real
### `Batch_size`
声明：field
每个训练批次的样本数量，默认 10
可见性：`public`
类型：integer
### `N_iter`
声明：field
扫描训练数据集的次数，默认 10
可见性：`public`
类型：integer
### `Components_`
声明：field
隐藏单元到可见特征的权重矩阵
可见性：`public`
类型：array
### `H_samples_`
声明：field
从模型分布采样得到的隐藏单元激活状态矩阵
可见性：`public`
类型：array
### `create(n_components, learning_rate, batch_size, n_iter, verbose, random_state)`
声明：function
初始化伯努利限制玻尔兹曼机
可见性：`public`
| 参数 | 类型 | 说明 |
| --------------- | ------- | ------------------ |
| `n_components` | integer | 二进制隐藏单元数 |
| `learning_rate` | real | 权重更新学习率 |
| `batch_size` | integer | 每个批次的样本数量 |
| `n_iter` | integer | 训练数据扫描次数 |
| `verbose` | integer | 输出级别 |
| `random_state` | integer | 随机状态 |
### `Fit(X, y)`
声明：function
根据输入数据拟合模型；`y` 仅用于保持接口一致
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------- |
| `X` | array | 二维训练特征数组 |
| `y` | any | 未使用的兼容参数 |
### `Fit_transform(X, y, fit_params)`
声明：function
拟合模型并将数据转换为隐藏层表征
可见性：`public`
| 参数 | 类型 | 说明 |
| ------------ | ----- | -------------------- |
| `X` | array | 二维训练特征数组 |
| `y` | any | 未使用的兼容参数 |
| `fit_params` | array | 传递给拟合过程的参数 |
返回：array
### `Gibbs(v)`
声明：function
执行一个 Gibbs 采样步骤并返回新的可见层数据
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------- |
| `v` | array | 可见层数据 |
返回：array
### `Partial_fit(X, y)`
声明：function
使用一个数据分片增量拟合模型；`y` 仅用于保持接口一致
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------- |
| `X` | array | 二维训练特征数组 |
| `y` | any | 未使用的兼容参数 |
### `Score_samples(X)`
声明：function
计算输入样本的伪似然
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | ---------------------- |
| `X` | array | 布尔值构成的可见层数据 |
返回：array
### `Transform(X)`
声明：function
计算隐藏层激活概率并返回数据的潜在表征
可见性：`public`
| 参数 | 类型 | 说明 |
| ---- | ----- | -------------- |
| `X` | array | 需要转换的数据 |
返回：array