使用任意长度的输入和目标训练数据

时间:2017-04-23 21:18:12

标签: python machine-learning neural-network

我想知道有没有办法在python中训练具有不等长度的输入和目标数据的神经网络。

示例文件:

Here is input data file

Here is output data file

提前致谢

1 个答案:

答案 0 :(得分:-1)

回复:AttributeError: 'list' object has no attribute 'values'

您已将transformed_input_datatransformed_output_data定义为list类型。

transformed_input_data = [[x] for x in input_data]  
transformed_output_data = [[x] for x in output_data]

list没有.values属性。尝试从导致错误的行中删除.values。这是一个简短的例子:

from sklearn.neural_network import MLPClassifier

mlp = MLPClassifier()

input_data = [0,1,2]
output_data = [10,9,8]
transformed_input_data = [[x] for x in input_data]
transformed_output_data = [[x] for x in output_data]

mlp.fit(X=transformed_input_data, y=transformed_output_data)

输出:

MLPClassifier(activation='relu', alpha=0.0001, batch_size='auto', beta_1=0.9,
              beta_2=0.999, early_stopping=False, epsilon=1e-08,
              hidden_layer_sizes=(100,), learning_rate='constant',
              learning_rate_init=0.001, max_iter=200, momentum=0.9,
              nesterovs_momentum=True, power_t=0.5, random_state=None,
              shuffle=True, solver='adam', tol=0.0001, validation_fraction=0.1,
              verbose=False, warm_start=False)

FWIW,.values可用作Pandas Series对象的属性,它们与列表共享一些属性。对于Series个对象,.values会将其变为Numpy ndarray

Re:绘制输出和错误
你想做什么样的情节?它将有助于具体并提供一些示例数据。这个问题可能是一个单独的问题。