如何將多個數組提供給 keras 機器學習算法？

Question

我打算制作一個保費預測器，它根據多種因素（包括性別、性別、BMI 等）來預測您的保險費（總共 6 個）我有數據，但我不知道如何養活多個數組到它。 這是代碼-

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)

運行它后，它給了我以下錯誤：

    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>]

我理解這個錯誤，對它進行了一些研究，我發現它需要是一個元組，但盡管改變了它，它仍然給出了同樣的錯誤。

提前致謝。

Answer 1

這里有幾個問題，首先，不要使用pd.DataFrame從文件中加載單列數據（1d 數據）。 如果您只需要讀取pd.read_csv ，請使用pd.read_csv ，可選擇使用squeeze參數。

接下來，您不能使用 python 列表來對多個輸入進行分組，您必須使用元組，如下所示：

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

否則，keras 模型將嘗試提供您的數據集a然后b等等，而不是[a[0], b[0], ...] 。 這似乎是你的目標。

接下來，在您的特定情況下，您似乎不需要多輸入 keras 模型。 您所需要的只是第一層上的有效input_shape 。 這就是模型抱怨的原因。 它需要一個輸入，而您正試圖插入其中的 6 個。 將輸入轉換為單個數組，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碼，並在出現其他問題時詢問我。
干杯!

Answer 2

用這種方式寫：

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

最后一層是輸出層（因為我不知道你的輸出是什么樣的，我無法定義單位。）

還有一個給您的快速提示，您可以通過編寫如下代碼來減少代碼大小：

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)