3

我有一个数据集，其中每个特征向量有 50 个特征，其中 45 个是分类的。我无法将分类变量发送到 tensorflow。我找到了一个带有分类变量的 tensorflow 示例教程，但不明白如何使其适应具有两种数据类型和多种特征的集合。我的第一次尝试如下，但这并没有对大多数变量进行编码。

input_classes, input_gradients, outputs = databank.get_dataset()

print("Creating feature matrix")
inputs = np.array(input_classes, dtype=np.int32)
outputs = np.array(outputs, dtype=np.int32)
random.seed(42)
input_train, input_test, output_train, output_test = cross_validation.train_test_split(inputs, outputs, test_size=0.2, random_state=42)

print("Creating DNN")
# Prepare the neural net
def my_model(X, y):
    # DNN with 10,20,10 hidden layers and dropout chance of 0.5
    layers = skflow.ops.dnn(X, [10, 20, 10], keep_prob=0.5)
    return skflow.models.logistic_regression(layers, y)


classifier = skflow.TensorFlowEstimator(model_fn=my_model, n_classes=2)

print("Testing DNN")
# Test the neural net
classifier.fit(input_train, output_train)
score = metrics.accuracy_score(classifier.predict(input_test), output_test)
print("Accuracy: %f" % score)

我认为真正的问题是我真的不明白如何处理上述代码中 my_model 函数的输入“张量”X。

4

1 回答 1

0

在输入之前使用分类处理器将您的类别映射为整数，如下所示

cat_processor = skflow.preprocessing.CategoricalProcessor()
X_train = np.array(list(cat_processor.fit_transform(X_train)))
X_test = np.array(list(cat_processor.transform(X_test)))
n_classes = len(cat_processor.vocabularies_[0])
于 2016-03-11T16:15:49.180 回答