如何将一系列 numpy ndarrays 作为输入数据来训练 tensorflow 机器学习模型？

Question

我正在尝试构建一个机器学习模型，该模型可以从一系列数字中预测一个数字。 我正在使用来自 Tensorflow 的 keras API 的序列模型。

基本上我的 x 数据是一个 Pandas 系列，其中包含 numpy ndarrays，其中包含浮点数。 我的 y 数据是一系列形状为 (1,1) 的 numpy ndarray，所以基本上只是一个浮点值。

你可以想象我的数据集看起来像这样：

指数	x 数据（熊猫系列）	y 数据（熊猫系列）
0	np.ndarray(shape (1209278,) )	np.ndarray(shape = () )
1	np.ndarray(shape (1211140,) )	np.ndarray(shape = () )
2	np.ndarray(shape (1418411,) )	np.ndarray(shape = () )
3	np.ndarray(shape (1077132,) )	np.ndarray(shape = () )
...	...	...

如上所述，我的 x 数据和 y 数据的类型是 pandas 系列。 当我尝试使用 fit 函数训练我的模型时，会产生以下错误：

ValueError：无法将 NumPy 数组转换为张量（不支持的对象类型 numpy.ndarray）

我还尝试将 pandas 系列转换为 numpy 数组，但这并没有帮助。 看起来，我有一系列不同形状的 ndarrays 作为我的输入数据这一事实本身就是问题所在。

我真的不知道我能做些什么来修复这个错误。 这引出了我的问题：

如何将一系列 numpy ndarrays 作为输入数据来训练 tensorflow 机器学习模型？

Answer 1

Pandas 数据系列不支持直接转换为张量。 所以我会先尝试将它们转换为list ：

X = X.to_list()
Y = Y.to_list()