feature_columns 的项必须是 _FeatureColumn。给定（类型 <class 'str'>）：萼片长度（cm）答案

【问题标题】：Items of feature_columns must be a _FeatureColumn. Given (type <class 'str'>): sepal length (cm)feature_columns 的项必须是 _FeatureColumn。给定（类型 <class 'str'>）：萼片长度（cm）
【发布时间】：2021-02-19 16:22:16
【问题描述】：

我正在 iris 数据集上训练一个 NN 模型

*from sklearn.datasets import load_iris

iris = load_iris()

X = iris['data']

y = iris['target']

from sklearn.model_selection import train_test_split

X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.3)

import tensorflow.contrib.learn as learn

classifier.fit(X_train,y_train,steps=200,batch_size=32)*

**在执行上面的步骤时，它显示了这个错误

它显示此错误：

**Items of feature_columns must be a _FeatureColumn. Given (type <class 'str'>): sepal length (cm).**

另外，我正在使用 Google Colaboratory，并且我是 NN 和 Tensor Flow 的新手。有人可以回答这个疑问吗？**

我也在谷歌上搜索，但注意到很多可以帮助我的东西。

【问题讨论】：

你的classifier是什么？
分类器 = learn.DNNClassifier(hidden_units=[10,20,10],n_classes=3) 。实际上，当我运行它时，它说 __init__() 缺少 1 个必需的位置参数：'feature_columns' 不知道如何解决这个问题。 @aminrd 。之后在线分类器.fit(X_train,y_train,steps=200,batch_size=32)
表示feature_columns的Items必须是_FeatureColumn。给定（类型）：萼片长度（cm）。但我对此很陌生，所以无法弄清楚。

标签： python tensorflow machine-learning nlp artificial-intelligence

【解决方案1】：

你可以传递如下参数：

input_train = tf.estimator.inputs.numpy_input_fn(
                  x = {'x': X_train},
                  y = y_train,
                  num_epochs = 200,
                  shuffle = True)

feature_columns = [tf.feature_column.numeric_column(key='x', shape=(X_train.shape[1],))]

classifier = tf.estimator.DNNClassifier(
                       hidden_units=[10, 20, 10],
                       n_classes=3,
                       optimizer='Adagrad'
                       feature_columns=feature_columns)

# Instead of fit, you should use .train() and pass intput_train
classifier.train(input_train)

【讨论】：