Question

我更改了数据类型，但无法解决该错误。

我尝试了“一键编码”，但是它也不起作用。

我不知道怎么了：（

seed = 0
np.random.seed(seed)
tf.set_random_seed(seed)

df = pd.read_csv('HW01_dataset_tae.txt', sep=',' ,header=None, names = ["Native", "Instructor", "Course", "Semester", "Class Size", "Evaluation"])

dataset = df.values # dataframe to int64
X = dataset[:,0:5] # attribute
Y_Eva = dataset[:,5] # class 

e = LabelEncoder()
e.fit(Y_Eva)
Y = e.transform(Y_Eva)

K = 10 
kFold = StratifiedKFold(n_splits=K, shuffle=True, random_state=seed) 

accuracy = []

for train_index, test_index in kFold.split(X,Y):
    model = Sequential() 
    model.add(Dense(16, input_dim=5, activation='relu')) 
    model.add(Dense(10, activation='relu')) 
    model.add(Dense(3, activation='softmax'))
    model.compile(loss='mean_squared_error', 
              optimizer='adam', 
              metrics=['accuracy'])
    model.fit(X[train_index], Y[train_index], epochs=100, batch_size=2)

错误；检查目标时出错：预期density_2的形状为（3，），但数组的形状为（1，）

在这里检测到

； model.fit（X [train_index]，Y [train_index]，epochs = 100，batch_size = 2）。

我会做什么？

Answer 1

我解决了这个问题。

使用此代码，

model.fit(X[train_index], Y[train_index], epochs=100, batch_size=2)

“ Y [train_index]”中的行数必须为3，因为类是3。

由于每个Y [train_index]只有一行，因此出现了错误。

因此，我使用了“一键编码”并更改了这样的代码。

e = LabelEncoder()
e.fit(Y_Eva)
Y = e.transform(Y_Eva)
Y_encoded = np_utils.to_categorical(Y) # changed code

K = 10 
kFold = StratifiedKFold(n_splits=K, shuffle=True, random_state=seed) 

accuracy = []

for train_index, test_index in kFold.split(X,Y):
    model = Sequential() 
    model.add(Dense(32, input_dim=5, activation='relu')) 
    model.add(Dense(16, activation='relu')) 
    model.add(Dense(3, activation='softmax'))
    model.compile(loss='categorical_crossentropy', 
              optimizer='adam', 
              metrics=['accuracy'])
    model.fit(X[train_index], Y_encoded[train_index], epochs=100, batch_size=2) # changed code

最后，我能够运行代码。

Answer 2

TensorFlow在致密层上做了一些文档处理，如果您不说input_dim说input_shape，则可以指定首选形状。
https://www.tensorflow.org/api_docs/python/tf/keras/layers/Dense

model = Sequential()
model.add(Dense(16, input_shape=(5,)))  # Then your data has to be of shape (batch x 5)

然后添加另一个密集层时，实际上不必提供input_sahpe

model.add(Dense(10))

检查目标时发生错误：预期density_2具有形状（3，），但数组的形状为（1，）

2 个答案: