multilayer - neural network python classification

SKlearn import MLPClassifier falla

Question

Estoy tratando de usar el perceptron multicapa de scikit-learn en python. Mi problema es que la importación no funciona. Todos los demás módulos de scikit-learn funcionan bien.

from sklearn.neural_network import MLPClassifier

Error de importación: no se puede importar el nombre MLPClassifier

Estoy usando Python Environment Python64-bit 3.4 en Visual Studio 2015. Instalé sklearn en la consola con: conda install scikit-learn También instalé numpy y pandas. Después de tener el error anterior también instalé scikit-neuralnetwork con: pip install scikit-neuralnetwork La pip install scikit-neuralnetwork instalada es 0.17.

¿Qué he hecho mal? ¿Me estoy perdiendo una instalación?

----- EDITAR ----

Además de la respuesta de tttthomasssss, encontré la solución sobre cómo instalar la biblioteca sknn para redes neuronales. Seguí este tutorial . Haga los siguientes pasos:

• pip install scikit-neuralnetwork
• Descargue e instale el compilador GCC
• instalar mingw con conda install mingw libpython

Puede usar la biblioteca sknn después.

Answer 1

Llegué aquí con el problema v0.17 también. Encontré una solución usando pip aquí , es decir

 pip install git+https://github.com/scikit-learn/scikit-learn.git

pip install cython embargo, primero tuve que ejecutar pip install cython .

Sin embargo, eso instala 0.19.dev0 (actualmente), pero la pip list indica que la última es 0.18rc2 . Más bien

 pip install scikit-learn==0.18.rc2

resolvió el problema de manera más satisfactoria.

Answer 2

desde shell / terminal

conda update scikit-learn

Answer 3

MLPClassifier aún no está disponible en scikit-learn v0.17 (desde el 1 de diciembre de 2015). Si realmente quieres usarlo, podrías clonar 0.18dev (sin embargo, no sé cuán estable es actualmente esta rama).

Answer 4

apt-get update; /
apt-get install -y python python-pip /
python-numpy /
python-scipy /
build-essential /
python-dev /
python-setuptools /
libatlas-dev /
libatlas3gf-base
update-alternatives --set libblas.so.3 /usr/lib/atlas-base/atlas/libblas.so.3; update-alternatives --set liblapack.so.3 /usr/lib/atlas-base/atlas/liblapack.so.3
pip install -U scikit-learn

He importado MLPClassifier de sklearn.neural_network y parece que funciona.

También podría manejar estos problemas mediante el uso de imágenes acoplables. Esto permite a cualquier desarrollador recrear el entorno en cualquier servidor en un solo minuto. Puedes sacar la imagen de here

Esto también se puede realizar muy fácilmente usando la herramienta datmo-cli. Nos enfrentamos a estos problemas y decidimos construirlo.

También puedes resolver esto con un solo clic usando Datmo. Descargo de responsabilidad: Trabajo en Datmo