无法使用循环在Keras中预测单个实例

Question

我在学习深度学习，而Keras由于其简单性而成为我的选择。

我为二进制分类建立了一个简单的多层感知器模型，并将其拟合到输入数据中（与我在其他ML模型中使用的模型相同，并且可以正常工作）。

以下图片显示了模型摘要：

第一个致密层的定义如下：

model.add(Dense(18, input_dim=len(X_encoded.columns), activation = "relu", kernel_initializer="uniform"))

当我尝试预测像这样的循环时：

for vals in X_encoded.values:
    print("Survives?", model.predict([vals], batch_size=1))

我收到以下错误：

  

ValueError：检查输入时出错：预期density_90_input具有形状（35，）但形状为（1，）的数组

这些是我的可变尺寸：

print("Shape of vals:", vals.shape, "Number of Columns and First Layer Dimension:", len(X_encoded.columns))

结果：

  

val的形状：（35，）列数和第一层尺寸：35

如您所见，它们的大小匹配，这是预期的输入。

这是怎么回事？当我传递整个数据帧“预测”时，它可以正常工作，但是当我传递单个值时，它不能正常工作...

Answer 1

您需要一个数组，而不是列表。您仅将列表用于多个输入张量。

model.predict(np.array([vals]), batch_size=1)    

但是为什么不呢？

model.predict(X_encoded.values, batch_size=1)