小编Joe*_*ggs的帖子

我正在尝试设置隐藏层的权重。

我假设层 [0] 是输入，我想设置第一个隐藏层的权重，因此将索引设置为 1。

model.layers[1].set_weights(weights)

但是，当我尝试此操作时，出现错误：

ValueError: You called `set_weights(weights)` on layer "dense_64" with a weight list of length 100, but the layer was expecting 2 weights. Provided weights: [ 1.0544554 1.27627635 1.05261064 1.10864937 ...

隐藏层有 100 个节点。

因为它告诉我它需要两个权重，一个是权重，一个是偏差？

我正在尝试在包含缺失数据的数据集中保留行.

使用sklearn对一列(或多列)进行单热编码时.是否有可能写一个规则if currentItem == null或if currentItem == 0然后设置输出数组为全0？

例如

A A B - > [[1, 0], [1, 0], [0,1]]

B B A - > [[0, 1], [0, 1], [1,0]]

null B A - > [[0, 0], [0, 1], [1,0]]

单热编码:

import numpy as np
from sklearn.preprocessing import LabelEncoder


dataset = np.loadtxt("someFile.csv", delimiter=",")
B = dataset[:,1]

encoder = LabelEncoder()
encoder.fit(B)
encoded_B = encoder.transform(B)

Y = to_categorical(encoded_B)

编辑 - 示例数据集: 其中AE是输入,X和Y和输出

A     B     C     D     E     X      Y …