MLP 训练集中的 Scikit 使用列表答案

【问题标题】：Scikit use list in train set for MLPMLP 训练集中的 Scikit 使用列表
【发布时间】：2017-12-31 15:58:00
【问题描述】：

我想用以下数据训练一个神经网络（多感知器）：

1              2              3             Other Field   Label
[1, 2, 3, 4]   [5, 6, 7, 8]   [9, 10, 11]   1234          5678
etc...

这里的1、2 和3 是包含列表的列。其他两列只有数值。

只有我不断得到这个：

ValueError: setting an array element with a sequence.

这可能吗？

编辑：
我训练神经网络的代码如下：

from sklearn.neural_network import MLPClassifier
mlp = MLPClassifier(alpha=1e-5, hidden_layer_sizes=(10, 10), random_state=1)
mlp.fit(X_train, y_train)

这是我的火车数据的截图：

而我的标签只是一列数字。

【问题讨论】：

看不到任何出现故障的 scikit 特定代码。也许添加你的代码？
完成@PatrickArtner
很好，数据可能是文本，但您提供了一些“示例数据” - 现在等待并观看 SO 魔术发生 :) +1

标签： python dataframe scikit-learn neural-network training-data

【解决方案1】：

如果您的列表始终具有相同的长度，则只需将每个列表列拆分为四个单独的列，就像描述的那样。 here:

# create a dataset
raw_data = {'score': [1,2,3], 
        'tags': [['apple','pear','guava'],['truck','car','plane'],['cat','dog','mouse']]}
df = pd.DataFrame(raw_data, columns = ['score', 'tags'])
# expand df.tags into its own dataframe
tags = df['tags'].apply(pd.Series)
# rename each variable
tags = tags.rename(columns = lambda x : 'tag_' + str(x))
# join the tags dataframe back to the original dataframe
df = pd.concat([df[:], tags[:]], axis=1)
df.drop('tags', inplace=True, axis=1)

如果不是，最好的答案可能是针对特定问题的。一种方法是通过填充填充值将每个列表扩展到最长列表的长度，然后执行相同操作。

【讨论】：