ValueError:功能不在功能字典中

Question

我正在尝试使用TensorFlow编写一个简单的深度机器学习模型.我正在使用我在Excel中制作的玩具数据集,只是为了让模型正常工作并接受数据.我的代码如下:

import pandas as pd
import numpy as np
import tensorflow as tf

raw_data = np.genfromtxt('ai/mock-data.csv', delimiter=',', dtype=str)
my_data = np.delete(raw_data, (0), axis=0) #deletes the first row, axis=0 indicates row, axis=1 indicates column
my_data = np.delete(my_data, (0), axis=1) #deletes the first column

policy_state = tf.feature_column.categorical_column_with_vocabulary_list('policy_state', [
    'AL', 'CA', 'MI'
])

modern_classic_ind = tf.feature_column.categorical_column_with_vocabulary_list('modern_classic_ind', [
    '0', '1'
])

h_plus_ind = tf.feature_column.categorical_column_with_vocabulary_list('h_plus_ind', [
    '0', '1'
])

retention_ind = tf.feature_column.categorical_column_with_vocabulary_list('retention_ind', [
    '0', '1'
])

feature_columns = [
    tf.feature_column.indicator_column(policy_state),
    tf.feature_column.indicator_column(modern_classic_ind),
    tf.feature_column.indicator_column(h_plus_ind)
]
classifier = tf.estimator.DNNClassifier(feature_columns=feature_columns,
                                      hidden_units=[10, 20, 10],
                                      n_classes=3,
                                      model_dir="/tmp/ret_model")

train_input_fn = tf.estimator.inputs.numpy_input_fn(
x={"x": np.array(my_data[:, 0:3], dtype=str)},
y=np.array(np.array(my_data[:, 3], dtype=str)),
num_epochs=None,
shuffle=True)

classifier.train(input_fn=train_input_fn, steps=2000)

不幸的是,我收到以下错误.我已经尝试修剪csv文件中的标签而不是离开它们,命名功能列不同的东西,以及更改numpy数组的类型.错误仍然存​​在.

ValueError: Feature h_plus_ind is not in features dictionary.

如果我删除h_plus_ind,它只是将错误抛出到另一列.

Answer 1

使用时tf.feature_columns,您在input_fn中提供的数据应与先前创建的要素列具有相同的关键字.所以,x你的train_input_fn应该是一个字典,用以之后命名的键feature_columns.

一个模拟的例子:

x = {"policy_state": np.array(['AL','AL','AL','AL','AL']),
     "modern_classic_ind": np.array(['0','0','0','0','0']),
     "h_plus_ind": np.array(['0','0','0','0','0']),}

在一边 :

来自开发者谷歌博客的这篇精彩文章可能是一个很好的阅读,因为它引入了一种input_fn直接从带有tf.DatasetAPI 的csv文件创建的新方法.它具有更好的内存管理,并避免将所有数据集加载到内存中.