小编fro*_*ine的帖子

set df1["name"] = df2["name] if df1["id"] == df2["id]. 

两个数据帧的大小不同。我试图通过编写如下代码来实现这种行为：

   dtl['name'] = dtlLookUp[["name"]].loc[ dtlLookUp["id"] == (dtl["id"]) ]

但是，我收到错误：

ValueError: Can only compare identically-labeled Series objects

编辑 ：

当我在模型中运行功能性API进行k折交叉验证时，在每次折叠的返回拟合模型中，命名密集层的数字都会增加。就像在第一折中一样dense_2_acc，然后在第二折中dense_5_acc。

通过我的模型摘要显示我的模型是正确的。为什么要更改history每个折叠的拟合模型对象中的名称？

我正在进行手动网格搜索以找到 keras 模型的最佳参数。对于每个参数组合，我检查其验证精度是否优于先前训练的模型而不是克隆该模型，以便在检查所有参数组合后，可以使用具有最佳验证精度的模型在测试集上进行预测。问题是：为什么预测函数对于克隆模型的行为不同：'

1. 我运行 Model.fit (...)

2. 比 Model.predict (X_test) -- 它给我标签编码输出并且：当我像这样克隆这个模型时：

3. BestModel = keras.models.clone_model(model.model)

4. BestModel.predict (X_test) 给出概率。

ps：我的目标类首先是标签编码，然后是一个热编码形式。