SklearnのMLPClassifierからの最後の非表示アクティベーションレイヤの出力を取得します。

Question

fitの後にsklearnのMLPClassifierを使用して、ニューラルネットワークの最終非表示アクティベーションレイヤ出力でいくつかのテストを行いたいとします。 Iラベルy_trainおよびサイズ(300,100)

clf = MLPClassifier(hidden_layer_sizes=(300,100)) 
clf.fit(X_train,y_train) 

二隠れ層とX_trainデータを仮定して、分類器を作成する場合、例えば

、私は、最終的な隠されたアクティベーションを取得するために、何らかの形で機能を呼び出すことができるようにしたいと思い追加テストに使用する長さが100の2層ベクトルです。テストを想定し

がX_test, y_testを設定し、通常の予測は次のようになります。

preds = clf.predict(X_test) 

しかし、私のような何かをしたいと思います。そのようget_weightsなど

activation_layers_for_all_X_test = clf.get_final_activation_output(X_test) 

機能を存在するが、それは唯一役立つだろう私はレイヤごとに変換を自分で行うのではなく、最終的な隠れ層のこれらの最終的な隠れ層活性化出力を取得する別の方法がありますか？一例としてこの図を見ると

：私はたい

出力Out Layer、最終的な隠れ層から、すなわち、最終的な活性化された出力です。

Answer 1

上記の私のコメントでは、sklearnで何をしたいのかが分かりませんが、_predict関数を非常に簡単にハックすることができます。次のコードはすべてのアクティベーションを返します。これを編集することができます。return activations[-2]。

def get_activations(clf, X): 
     hidden_layer_sizes = clf.hidden_layer_sizes 
     if not hasattr(hidden_layer_sizes, "__iter__"): 
      hidden_layer_sizes = [hidden_layer_sizes] 
     hidden_layer_sizes = list(hidden_layer_sizes) 
     layer_units = [X.shape[1]] + hidden_layer_sizes + \ 
      [clf.n_outputs_] 
     activations = [X] 
     for i in range(clf.n_layers_ - 1): 
      activations.append(np.empty((X.shape[0], 
             layer_units[i + 1]))) 
     clf._forward_pass(activations) 
     return activations