概述
多层感知机是一种常用的分类算法，
一种基于前馈人工神经网络的分类器。MLPC由多层节点组成，每个层都完全连接到网络中的下一层，输入层中的节点表示输入数据。所有其他节点通过输入与节点权重w和偏移b的线性组合将输入映射到输出，并使用激活函数。
示例
使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图：
多层感知机的参数如下：
参数名称 | 值 | 说明 |
|---|---|---|
归一化 | 正则化 | 详情请参考 归一化 介绍说明。 |
标准化 | ||
最小最大值归一化 | ||
最大绝对值归一化 | ||
最大迭代数 | 参数范围为：>=0的整数，默认值为10 | 算法的最大迭代次数，达到最大迭代次数即退出。 最大迭代次数的值越大，模型训练更充分，但会耗费更多时间。 |
