使用張量流進行k折交叉驗證

Question

我創建了一個人工神經網絡。 我正在嘗試使用k折交叉驗證技術來計算模型的准確性，但是在編譯最后一行之后，它沒有任何進一步的進展，它在那里停留了20分鍾以上。 我無法弄清楚哪里出了問題。 有人可以幫我這個忙嗎？ 以下是我使用的代碼。

提前致謝。

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

dataset = pd.read_csv('Churn_Modelling.csv')
X = dataset.iloc[:, 3:13].values
y = dataset.iloc[:, 13].values

from sklearn.preprocessing import LabelEncoder, OneHotEncoder
labelencoder_X_1 = LabelEncoder()
X[:, 1] = labelencoder_X_1.fit_transform(X[:, 1])
labelencoder_X_2 = LabelEncoder()
X[:, 2] = labelencoder_X_2.fit_transform(X[:, 2])
onehotencoder = OneHotEncoder(categorical_features = [1])
X = onehotencoder.fit_transform(X).toarray()
X=X[:,1:]

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)

from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from keras.models import Sequential #required to initialize ann
from keras.layers import Dense #required to build the layers of ann

def build_classifier():
    classifier=Sequential()
    classifier.add(Dense(kernel_initializer="uniform", activation="relu", input_dim=11, units=6))
    classifier.add(Dense(kernel_initializer="uniform", activation="relu", units=6))
    classifier.add(Dense(kernel_initializer="uniform", activation="sigmoid",units=1))
    classifier.compile(optimizer='adam', loss='binary_crossentropy',metrics=['accuracy'])
    return classifier
classifier=KerasClassifier(build_fn=build_classifier, batch_size=10, nb_epoch=100)
accuracies=cross_val_score(estimator=classifier,X=X_train,y=y_train,cv=10,n_jobs=-1)

Answer 1

我有完全相同的代碼相同的問題。 Windows似乎存在“ n_jobs”問題，如果通過“ accurcies = ..”將其刪除，它將開始工作。 只是可能需要很長時間，但它會起作用並顯示每個時代都在更新。