Scikit-learn cross_val_score 抛出 ValueError：必须始终传递 `Layer.call` 的第一个参数答案

【问题标题】：Scikit-learn cross_val_score throws ValueError: The first argument to `Layer.call` must always be passedScikit-learn cross_val_score 抛出 ValueError：必须始终传递 `Layer.call` 的第一个参数
【发布时间】：2021-07-01 22:13:30
【问题描述】：

我正在从事一个深度学习项目，并尝试按照教程使用交叉验证来评估我的模型。

我在看这个教程：https://machinelearningmastery.com/use-keras-deep-learning-models-scikit-learn-python/

我首先将我的数据集拆分为特征和标签：

labels = dataset['Label']
features = dataset.loc[:, dataset.columns != 'Label'].astype('float64')

我有以下形状：

features.shape ,labels.shape
((2425727, 78), (2425727,))

我使用 RobustScalar 来扩展我的数据以及我如何拥有

features
array([[ 1.40474359e+02, -1.08800488e-02,  0.00000000e+00, ...,
         0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
       [ 1.40958974e+02, -1.08609909e-02, -2.50000000e-01, ...,
         0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
       [ 1.40961538e+02, -1.08712390e-02, -2.50000000e-01, ...,
         0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
       ...,
       [ 1.48589744e+02, -1.08658453e-02,  0.00000000e+00, ...,
         0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
       [-6.92307692e-02,  1.77654485e-01,  1.00000000e+00, ...,
         0.00000000e+00,  0.00000000e+00,  0.00000000e+00],
       [-6.92307692e-02,  6.18858398e-03,  5.00000000e-01, ...,
         0.00000000e+00,  0.00000000e+00,  0.00000000e+00]])

labels
array([0, 0, 0, ..., 0, 0, 0])

现在数据已准备好执行交叉验证。

from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import cross_val_score

# Function to create model, required for KerasClassifier
def create_model():
    # create model
    model= Sequential()
    model.add(Dense(128, activation='relu',input_shape = (78,1)))
    model.add(Dropout(0.01))
    model.add(Dense(15, activation='softmax'))

    # Compile model
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

#fix random seed for reproducibility
seed = 7
np.random.seed(seed)
kfold = StratifiedKFold(n_splits=5, shuffle=True, random_state=seed)

# create model
model = KerasClassifier(build_fn=create_model(), epochs=30, batch_size=64, verbose=0)

# evaluate using 5-fold cross-validation
results = cross_val_score(model, features, labels, cv=kfold,scoring='accuracy', error_score="raise")
print(results.mean())

执行此操作后，我收到此错误：“ValueError：必须始终传递Layer.call 的第一个参数。”

我还检查了 scikit learn 文档以检查我是否做错了什么： https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_val_score.html

我还试图寻找可能遇到此问题的其他人，例如： https://github.com/scikit-learn/scikit-learn/issues/18944

但我无法解决这个问题。有人可以帮我解决这个问题吗？

【问题讨论】：

对于那些会遇到这个问题的人，我设法通过添加 input_dim=78 而不是 input_shape = (78,1) 来解决它。现在它可以工作了。

标签： python tensorflow machine-learning keras scikit-learn

【解决方案1】：

model = KerasClassifier(build_fn=create_model(), ...)

尝试删除函数 create_model 的大括号，因为 Argument 需要一个回调函数，该函数将在需要时调用。所以会是

model = KerasClassifier(build_fn=create_model, ... )

【讨论】：

但现在我又遇到了另一个错误：ValueError: Input 0 of layer sequence_9 is incompatible with the layer: 输入形状的预期轴 -1 的值为 1，但接收到的输入带有形状（无，78 ) .也许我应该编辑这个问题。