如何将多个数组提供给 keras 机器学习算法？

Question

我打算制作一个保费预测器，它根据多种因素（包括性别、性别、BMI 等）来预测您的保险费（总共 6 个）我有数据，但我不知道如何养活多个数组到它。 这是代码-

import tensorflow as tf
import numpy as np
from tensorflow import keras
import pandas as pd
a=0
file=pd.read_csv(r"""C:\Users\lavni\OneDrive\Desktop\proj.csv""",sep=',')
Age=pd.DataFrame(file,columns=['age']).to_numpy()
Sex=pd.DataFrame(file,columns=['sex']).to_numpy()
BMI=pd.DataFrame(file,columns=['bmi']).to_numpy()
Children=pd.DataFrame(file,columns=['children']).to_numpy()
Smoker=pd.DataFrame(file,columns=['smoker']).to_numpy()
Region=pd.DataFrame(file,columns=['region']).to_numpy()
Charges=pd.DataFrame(file,columns=['charges']).to_numpy()

Data=[Age,Sex,BMI,Children,Smoker,Region]

model=keras.Sequential([keras.layers.Dense(units=6,input_shape=[6])])
model.compile(optimizer='sgd',loss='mean_squared_error')

model.fit(Data,Charges)

运行它后，它给了我以下错误：

    ValueError: Layer sequential expects 1 inputs, but it received 6 input tensors. Inputs received: [<tf.Tensor 'IteratorGetNext:0' shape=(None, 1) dtype=int64>, <tf.Tensor 'IteratorGetNext:1' shape=(None, 1) dtype=string>, <tf.Tensor 'IteratorGetNext:2' shape=(None, 1) dtype=float32>, <tf.Tensor 'IteratorGetNext:3' shape=(None, 1) dtype=int64>, <tf.Tensor 'IteratorGetNext:4' shape=(None, 1) dtype=string>, <tf.Tensor 'IteratorGetNext:5' shape=(None, 1) dtype=string>]

我理解这个错误，对它进行了一些研究，我发现它需要是一个元组，但尽管改变了它，它仍然给出了同样的错误。

提前致谢。

Answer 1

这里有几个问题，首先，不要使用pd.DataFrame从文件中加载单列数据（1d 数据）。 如果您只需要读取pd.read_csv ，请使用pd.read_csv ，可选择使用squeeze参数。

接下来，您不能使用 python 列表来对多个输入进行分组，您必须使用元组，如下所示：

Data = (a,b,c,d) # Not [a,b,c,d]

否则，keras 模型将尝试提供您的数据集a然后b等等，而不是[a[0], b[0], ...] 。 这似乎是你的目标。

接下来，在您的特定情况下，您似乎不需要多输入 keras 模型。 您所需要的只是第一层上的有效input_shape 。 这就是模型抱怨的原因。 它需要一个输入，而您正试图插入其中的 6 个。 将输入转换为单个数组，如

data = dataframe.to_numpy() #dataframe must have 6 columns!
targets = targets.to_numpy() #single column
...
model.fit(data,targets)

使用此信息更新您的代码，并在出现其他问题时询问我。
干杯!

Answer 2

用这种方式写：

model = keras.Sequential()
model.add(keras.layers.Dense(units=6, input_shape=(6,)))
model.add(keras.layers.Dense(units=?))

最后一层是输出层（因为我不知道你的输出是什么样的，我无法定义单位。）

还有一个给您的快速提示，您可以通过编写如下代码来减少代码大小：

import tensorflow as tf
import numpy as np
from tensorflow import keras
import pandas as pd
a=0
file = pd.read_csv(r"""C:\Users\lavni\OneDrive\Desktop\proj.csv""",sep=',')
Charges = file['charges'].to_numpy()

features = ['age', 'sex', 'bmi', 'children', 'smoker', 'region']
Data = file[features].to_numpy()
# it will convert all of your features into a numpy array

model = keras.Sequential()
model.add(keras.layers.Dense(units=6, input_shape=(6,)))
model.compile(optimizer='sgd',loss='mean_squared_error')

model.fit(Data,Charges)