Question

我看到我的keras模型不能很好地处理输入列（如果它们不是浮点值）。我希望能够使用包含“标签”的列来训练模型，而标签指的是各种ID或编码的字符串名称。理想情况下，它将能够将这些标签列集成到其模型中，从而确定这些分类列中的哪些值表示较高的准确性。

例如，我试图预测一场比赛的结果（胜利= 1，亏损= 0），并且我想在历史数据中包括“团队名称”和“教练名称”。理想情况下，该模型可以确定哪些球队和教练更有可能获胜。

但是，当我运行model.fit并且training_set包含除int / float值（本质上是统计性的，而不是绝对的）以外的任何内容时，它会为每个时期生成相同的准确性，并且损失得分很高。

这是我定义模型的方式：

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类数据，效果很好，但我认为，如果我可以将其与分类数据一起使用，它将进一步改善。

Answer 1

处理分类数据的标准方法是创建有效值的字典，然后将类别转换为one_hot向量。

这是一个带有示例的合理介绍性文章： https://machinelearningmastery.com/how-to-one-hot-encode-sequence-data-in-python/

Answer 2

假设自变量（特征）在数据框df中，您可以使用：

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

具有numpy数组的示例：

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

输出：

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

训练集包含“标签”作为keras模型的输入

2 个答案: