Question

我只是想让一些代码工作，但我一直在收到错误。

代码是

import tensorflow.contrib.learn as skflow
from sklearn import datasets, metrics

iris = datasets.load_iris()

classifer = skflow.LinearClassifier(n_classes=3)

classifier.fit(iris.data, iris.target)
score = metrics.accuracy_score(iris.target, classifier.predict(iris.data))

print ("Accuracy: %f" % score)

但我收到此错误（研究和修改后的最新错误）

Traceback (most recent call last):
File "E:\Users\black\Python\machine-learning\MLappIris.py", line 6, in <module>
classifer = skflow.LinearClassifier(n_classes=3)
TypeError: __init__() missing 1 required positional argument: 'feature_columns'

非常感谢任何帮助。

Python：3.5
Tensorflow：1.3.0
sklearn：0.18.2
Windows 10 64位

Answer 1

您必须定义feature_columns - 这是完整的脚本：

import tensorflow as tf
import tensorflow.contrib.learn as skflow
from sklearn import datasets, metrics

iris = datasets.load_iris()

feature_columns = skflow.infer_real_valued_columns_from_input(iris.data)
# WARNING:tensorflow:float64 is not supported by many models, consider casting to float32.

classifier = skflow.LinearClassifier(feature_columns=feature_columns, n_classes=3)

classifier.fit(x=iris.data, y=iris.target, steps=20000)

predictions = list(classifier.predict(iris.data, as_iterable=True))
score = metrics.accuracy_score(iris.target, predictions)

print ("Accuracy: %f" % score)
# Accuracy: 0.980000

或者，您也可以使用evaluate方法使用单个命令进行评估：

accuracy_score = classifier.evaluate(iris.data, iris.target)["accuracy"]

print ("Accuracy: %f" % accuracy_score)
# Accuracy: 0.980000

警告是由于iris.data为float64 - 它似乎不会影响此处的任何内容，但您始终可以将其投放到float32。

tf.contrib.learn quickstart以及此简短tutorial也可能有用。

经过测试：

Python 3.5.3
Tensorflow 1.2.1
scikit-learn 0.18.1
Windows 7（64位）

Tensorflow typeError'feature_columns'具有线性分类器

1 个答案: