时间戳

首页 > 解决方案 > 如果我试图拟合来自 pandas 数据帧的数据，如何将 input_shape 赋予卷积神经网络？

python - 如果我试图拟合来自 pandas 数据帧的数据，如何将 input_shape 赋予卷积神经网络？

问题描述

我有一个X_train带有 733999 个样本和 5 个特征的 pandas 数据框。

model = Squential()    
model.add(Conv2D(filters = 32, kernel_size = (5,5),padding = 'Same', 
             activation ='relu', input_shape = (?,?)))

这是我遇到麻烦的第一层。所有教程都使用了图像，它们只是将高度、宽度和通道作为 input_shape 的参数传入。在熊猫数据框的情况下，我无法给出输入形状。非常感谢任何帮助。

标签： pythonpandasmachine-learningkerasneural-network

解决方案

这是一个关于如何使用 CNN 处理数据的示例

对于您拥有的数据，我仍然不推荐这种类型的网络

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Reshape
import pandas as pd
import numpy as np

## Dummy data
data = {'0': [1, 2, 3], '1': [3, 4, 3], '2':[0,1, 3], '3':[0,1,3], '4':[0,1,3], '5':[0,1,3]}
X_train = pd.DataFrame(data=data)

model = Sequential()
model.add(Reshape((1,X_train.shape[1],1)))
model.add(Conv2D(filters = 32, kernel_size = (1,5),padding = 'Same',
             activation ='relu', input_shape = (1,X_train.shape[1],1)))

model.add(MaxPooling2D(pool_size = (1,6), strides=(1,2)))

model.add(Flatten())

model.add(Dense (500, activation='relu'))
model.add(Dense (1, activation='relu'))
model.compile(loss='binary_crossentropy', optimizer='adam',
              metrics=['accuracy'])

## Training and testing with dummy data just to prove that it's working
model.fit(np.array(X_train), np.array([0,1,1]), nb_epoch=4, validation_data=(np.array(X_train), np.array([0,1,1])))

推荐阅读