Les Pandas DataFrame et Keras

Je suis en train d'effectuer une analyse de sentiment en Python à l'aide de Keras. Pour ce faire, j'ai besoin de faire un mot d'incorporation de mes textes. Le problème apparaît lorsque j'essaie d'adapter les données à mon modèle:

model_1 = Sequential()
model_1.add(Embedding(1000,32, input_length = X_train.shape[0]))
model_1.add(Flatten())
model_1.add(Dense(250, activation='relu'))
model_1.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

La forme de mon train de données est

(4834,)

Et est un des Pandas de la série de l'objet. Lorsque j'essaie d'adapter mon modèle et valider avec d'autres données, j'obtiens cette erreur:

model_1.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=2, batch_size=64, verbose=2)

ValueError: Erreur lors de la vérification des données d'entrée du modèle:
embedding_1_input avoir la forme (Aucun, 4834), mais a obtenu de la matrice de la forme de la
(4834, 1)

Comment puis-je remodeler mes données pour le rendre adapté pour Keras? J'ai essayé avec np.remodeler, mais je ne place Aucun des éléments avec cette fonction.

Merci d'avance

OriginalL'auteur Gonzalo Donoso | 2017-05-09

  1. 12

    None est le nombre de lignes qui va dans la formation, par conséquent, vous ne pouvez pas le définir. Aussi Keras a besoin d'un tableau numpy en entrée et pas une pandas dataframe. D'abord convertir le df pour un tableau numpy avec df.values et puis ne np.reshape((-1, 4834)). Notez que vous devez utiliser np.float32. Ceci est important si vous vous entraînez sur GPU.

    OriginalL'auteur Dat Tran

  2. 7

    https://pypi.org/project/keras-pandas/

    Façon la plus simple est d'avoir la keras_pandas paquet pour s'adapter à une pandas dataframe de keras.Le code ci-dessous est un exemple général de l'emballage docs.

    from keras import Model
from keras.layers import Dense

from keras_pandas.Automater import Automater
from keras_pandas.lib import load_titanic

observations = load_titanic()

# Transform the data set, using keras_pandas
categorical_vars = ['pclass', 'sex', 'survived']
numerical_vars = ['age', 'siblings_spouses_aboard', 'parents_children_aboard', 'fare']
text_vars = ['name']

auto = Automater(categorical_vars=categorical_vars, numerical_vars=numerical_vars, text_vars=text_vars,
 response_var='survived')
X, y = auto.fit_transform(observations)

# Start model with provided input nub
x = auto.input_nub

# Fill in your own hidden layers
x = Dense(32)(x)
x = Dense(32, activation='relu')(x)
x = Dense(32)(x)

# End model with provided output nub
x = auto.output_nub(x)

model = Model(inputs=auto.input_layers, outputs=x)
model.compile(optimizer='Adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# Train model
model.fit(X, y, epochs=4, validation_split=.2)

    OriginalL'auteur Pardhu

  3. 0

    Vous avez besoin d'une version spécifique de Pandas pour que cela fonctionne. Si vous utilisez la version actuelle (à compter du 20 Août 2018) ce sera un échec.

    Restauration Pandas et Keras (pip désinstaller ....) et puis d'installer une version spécifique comme ce

    python -m pip install pandas==0.19.2

    OriginalL'auteur Tim Seed