【发布时间】：2022-08-22 05:02:41
【问题描述】：
我正在尝试生成一个神经网络拟合来估计一个标签，该标签在每个标签值中都有几组数据，如下所示，\'cnames\' 是我从中生成 DF 的数据集群的字典。
我正在创建要传递给我的 NN 模型的数据框，该模型应该使用 x1_N 和 x2 来适应标签 \'AGE\'。
df = pandas.DataFrame(
data=np.zeros((9,5), dtype=object),
columns=[\"cluster\", \"x1\", \"x1_N\", \"x2\", \"e_x1\"]
)
df[\'cluster\'] = cnames
for i in range(9):
df.at[i, \"x1\"] = ins[str(cnames[i])][:,0]
df.at[i, \"x1_N\"] = ins[str(cnames[i])][:,1]
df.at[i, \"x2\"] = ins[str(cnames[i])][:,2]
df.at[i, \"e_x1\"] = ins[str(cnames[i])][:,3]
df[\'AGE\'] = scaled[\'AGE\'].unique()
这给出了一个如下所示的 DF，即 AGE 的每个单个值的 x1 和 x2 等数组：
cluster x1 x1_N x2 e_x1 AGE
0 c1 [432.7, 591.1, 382.1, 506.6, 595.6, 303.2, 580... [0.8361023362318888, 0.9521203687767078, 1.111... [1.7193, 2.7785, 1.3238999999999999, 2.6548000... [45.9, 35.5, 9.6, 57.3, 31.5, 72.4, 19.8, 22.0... 6.3000
1 c2 [224.3, 2.9, 35.6, -5.0, -27.2, 86.1, -44.0, -... [0.20393164342662082, -0.970076224393567, -0.9... [1.2696, 2.0625, 1.5247, 2.2449000000000003, 2... [10.4, 6.2, 10.6, 11.6, 29.5, 15.0, 22.8, 34.6... 7.7100
2 c3 [236.0, 133.8, -44.1, -14.9, 91.8, -23.3, 24.4... [0.6994358430148963, -0.45785100287607866, -1.... [1.0577, 1.8270000000000002, 2.6435, 2.8359, 1... [11.1, 8.2, 42.6, 24.5, 12.8, 9.8, 18.3, 11.3,... 7.6400
3 c4 [492.3, 560.0, 549.5, 517.9, 637.8, 534.4, 537... [0.8486431354299245, 1.0405252121040436, 1.288... [2.0703, 2.1886, 1.7657, 2.4898, 2.6012, 2.82,... [28.3, 24.5, 16.5, 37.0, 43.6, 41.0, 27.0, 7.8... 6.6000
4 c5 [21.6, -1.9, -9.2, 13.7, 26.6, 4.3, -25.2, 20.... [-0.9447143556037185, -1.0546569314070438, -1.... [1.6646999999999998, 1.6484999999999999, 1.703... [7.8, 6.4, 10.8, 16.7, 26.8, 11.6, 23.7, 20.8,... 8.1800
5 c6 [-4.4, -34.1, 338.0, 30.0, 33.9, 105.9, 91.2, ... [-2.0495987100264625, -1.2389510703276396, 0.4... [0.8682, 2.6355999999999997, 1.714899999999999... [14.0, 33.8, 50.4, 15.4, 26.8, 50.9, 77.2, 43.... 7.5798
6 c7 [5.2, 50.2, 43.5, 45.6, 101.6, 49.9, 104.1, 7.... [-1.196782707046483, -0.9495773412485725, -1.1... [1.3129, 1.2438, 1.068, 0.6129, 0.7575, 0.9362... [10.3, 6.4, 9.8, 13.7, 8.0, 14.3, 15.2, 16.6, ... 8.4800
7 c8 [105.1, 328.4, 505.0, 341.2, 546.1, 1.9, 292.8... [-0.7503958386481737, -0.009650781445028284, 1... [2.6511, 2.7773, 1.6239000000000001, 2.746, 2.... [30.3, 70.7, 16.2, 44.6, 20.4, 20.1, 25.7, 15.... 7.2600
8 c9 [474.3, 394.0, 525.3, 144.5, 473.6, 489.0, 507... [0.625315797587088, 1.0568153452073183, 1.0888... [2.4826, 1.3874000000000002, 1.881800000000000... [93.4, 73.9, 82.7, 104.2, 85.7, 110.1, 59.0, 1... 6.7800
尝试在 model.fit 函数中使用 x1_N 和 x2 来适应 AGE 时，这不被接受。我收到以下错误：
ValueError：无法将 NumPy 数组转换为张量（不支持的对象类型 numpy.ndarray）。
这大概是因为 Keras 模型不接受包含单个元素中的数组的数据框。有没有办法解决这个问题？我还没有找到一种方法来创建与 df 具有相同布局的张量。
使用的模型也如下：
model = keras.Sequential([ layers.Dense(units=2, input_dim=2, activation = \'leaky_relu\'), layers.Dense(units=12, activation = \'leaky_relu\'), layers.Dense(units=2, activation = \'softplus\') ]) loss=my_loss model.compile(loss = loss, optimizer = keras.optimizers.Adam(0.01)) return model
标签： python pandas tensorflow keras neural-network