Keras 最简单的 NN 模型：training.py 中的错误索引

Question

我已经阅读了这个例子https://github.com/fchollet/keras/blob/master/examples/mnist_mlp.py并决定在我的基础上使用这个想法，因为这是 Keras 最简单的 NN。

这是我的基础https://drive.google.com/file/d/0B-B3QUQOzGZ7WVhzQmRsOTB0eFE/view （你可以下载我的 csv 文件，它只有 83Kb ）

这是我的基地图片：

base.shape = (891, 23)

import keras
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout
from keras.optimizers import RMSprop, Adam
import numpy as np
import pandas as pd
from sklearn.cross_validation import train_test_split
from keras.utils.vis_utils import model_to_dot
from IPython.display import SVG
from keras.utils import plot_model

base = pd.read_csv("mt.csv")

import pandas as pd

for col in base:
    if col != "Fare" and col != "Age":
    base[col]=base[col].astype(float)
X_train = base
y_train = base["Survived"]
del X_train["Survived"]

print("X_train=",X_train.shape)
print("y_train=", y_train.shape)

输出：X_train= (891, 22) y_train= (891,)

from sklearn.cross_validation import train_test_split

X_train, X_test , y_train, y_test = train_test_split(X_train, y_train, test_size=0.3, random_state=42)

batch_size = 4
num_classes = 2
epochs = 2

print(X_train.shape[1], 'train samples')
print(X_test.shape[1], 'test samples')

输出：22 个训练样本 22 个测试样本

y_train = keras.utils.to_categorical(y_train, num_classes)
y_test = keras.utils.to_categorical(y_test, num_classes)

model = Sequential()
model.add(Dense(40, activation='relu', input_shape=(21,)))
model.add(Dropout(0.2))
#model.add(Dense(20, activation='relu'))
#odel.add(Dropout(0.2))
model.add(Dense(2, activation='sigmoid'))

model.summary()

出去：

图层（类型）输出形状参数

密集_1（密集）（无，40）880

---

dropout_1（辍学）（无，40）0

---

密集_2（密集）（无，2）82

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

plot_model(model, to_file='model.png')

SVG(model_to_dot(model).create(prog='dot', format='svg'))

print("X_train.shape=", X_train.shape)
print("X_test=",X_test.shape)

history = model.fit(X_train, y_train,
                batch_size=batch_size,
                epochs=epochs,
                verbose=1,
                validation_data=(X_test, y_test))

回溯（最近一次调用）：文件“new.py”，第 67 行，validation_data=(X_test, y_test))

文件“miniconda3/lib/python3.6/site-packages/keras/models.py”，第845行，适合initial_epoch=initial_epoch）

文件“miniconda3/lib/python3.6/site-packages/keras/engine/training.py”，第1405行，适合batch_size=batch_size）

文件“miniconda3/lib/python3.6/site-packages/keras/engine/training.py”，第 1295 行，在 _standardize_user_data exception_prefix='model input'）

文件“miniconda3/lib/python3.6/site-packages/keras/engine/training.py”，第 133 行，在 _standardize_input_data str(array.shape))

ValueError：检查模型输入时出错：预期dense_1_input具有形状（无，21）但得到形状为（623，22）的数组[在5.1秒内完成，退出代码为1]

我该如何解决这个错误？我尝试将输入形状更改为 (20,) 或 (22,) 等，但没有成功。

例如，如果 input_shape=(22,) 我有错误：文件“miniconda3/lib/python3.6/site-packages/pandas/core/indexing.py”，第1873行，在maybe_convert_indices raise IndexError("indices is out范围内”）

Answer 1

input_shape应该与数据中的特征数量相同，这应该是input_shape=(22,)你的情况。

这IndexError是由于熊猫数据帧中的一些不同索引，因此使用以下方法将数据帧转换为 numpy 矩阵as_matrix()：

history = model.fit(X_train.as_matrix(), y_train,
            batch_size=batch_size,
            epochs=epochs,
            verbose=1,
            validation_data=(X_test.as_matrix(), y_test))