我可以将sklearn cross_val_score与两个不同的输入一起使用吗？

Question

我的问题是： “我可以将sklearn cross_val_score与两个不同的输入一起使用吗？”

我将两个LSTM模型与不同的X和相同的目标Y串联在一起。 而且我尝试检查cross_val_score。但这是行不通的。

def concat():
input1 = Input(shape=(6,1))
pay = LSTM(10)(input1)
pay = Dense(10, activation='relu')(pay)

# DEMO_data net
input2 = Input(shape=(6,1))
bill = LSTM(10)(input2)
bill = Dense(10, activation='relu')(bill)

merge = concatenate([pay, bill])

hidden1 = Dense(10, activation='relu')(merge)

output = Dense(1, activation='sigmoid')(hidden1)
model = Model(inputs=[input1, input2], outputs=output)

model.summary()

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

return model

我尝试过

dnn = KerasClassifier(build_fn=concat, batch_size=BATCH_SIZE, epochs=NB_EPOCH, verbose=VERBOSE)

# Evaluate using 5-fold cross validation
cv_results = cross_val_score(dnn, PAY_data, BILL_data, y, cv=5)
print(cv_results)
print(cv_results.mean(), cv_results.std())

但它不适用于以下错误消息

不可能将cross_val_score与两个不同的输入一起使用吗？