訓練集包含“標簽”作為keras模型的輸入

Question

我看到我的keras模型不能很好地處理輸入列（如果它們不是浮點值）。 我希望能夠使用包含“標簽”的列來訓練模型，而標簽指的是各種ID或編碼的字符串名稱。 理想情況下，它將能夠將這些標簽列集成到其模型中，從而確定這些分類列中的哪些值表示較高的准確性。

例如，我試圖預測比賽的結果（勝利= 1，虧損= 0），並且我想在歷史數據中包括“團隊名稱”和“教練名稱”。 理想情況下，該模型將確定哪些球隊和教練更有可能獲勝。

但是，當我運行model.fit且training_set包含除int / float值之外的任何內容（本質上是統計性的，不是分類的），它為每個紀元生成相同的准確性，並且損失得分非常高。

這是我定義模型的方式：

model = keras.Sequential([
        keras.layers.Dense(1024, activation=tf.nn.relu, kernel_initializer=init_ru, bias_initializer=init_ru),
        keras.layers.Dense(512, activation=tf.nn.relu, kernel_initializer=init_ru, bias_initializer=init_ru),
        keras.layers.Dense(256, activation=tf.nn.relu),
        keras.layers.Dense(128, activation=tf.nn.relu),
        keras.layers.Dense(32, activation=tf.nn.relu),
        keras.layers.Dense(1, activation=tf.nn.sigmoid)
    ])
opt = keras.optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=True)

model.compile(optimizer=opt, 
              loss='binary_crossentropy',
              metrics=['accuracy'])

如果我不包含任何分類數據，它會很好用，但是我認為，如果我可以將其與分類數據一起使用，它將進一步改善。

Answer 1

處理分類數據的標准方法是創建有效值的字典，然后將類別轉換為one_hot向量。

這是一個帶有示例的合理介紹性文章： https : //machinelearningmastery.com/how-to-one-hot-encode-sequence-data-in-python/

Answer 2

假設您的自變量（功能）在數據框df ，則可以使用：

pd.get_dummies(df.iloc[:,columns_to_be_converted])

numpy數組的示例：

pd.get_dummies(np.array(["Mark","Sarah","Mark","John"]).astype(str))

輸出：

   John  Mark  Sarah
0     0     1      0
1     0     0      1
2     0     1      0
3     1     0      0