检查输入时出错：预期 input_18 有 3 个维度，但得到了形状为 (7, 210) 的数组

Question

我的原始数据集的形状是 (210,8)，我试图将 7 个独立变量作为 输入我的神经网络以查看它们属于哪个类/类别。 类/类别是目标变量。

我已经分离了自变量并将它们作为数组存储在'df_test'中

df = pd.read_csv('https://raw.githubusercontent.com/siiddd/WheatSeeds/master/Wheat.csv')

features = ['Area', 'Perimeter', 'Compactness', 'Length of Kernel','Width of Kernel', 'Asymmetric Coeff.', 'Length of Kernel Groove']

dftoArray = df[features].to_numpy()
df_test = dftoArray.reshape(7,210)

model = keras.Sequential()

model.add(keras.Input(shape = (7, )))

model.add(keras.layers.Dense(500, activation = 'relu'))
model.add(keras.layers.Dense(1, activation = 'sigmoid'))

model.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy', metrics = ['accuracy'])

model.fit(df_test, df['Class'], epochs = 10, validation_split = 0.10)  

这给了我错误：

检查输入时出错：预期 input_18 有 3 个维度，但是 得到形状为 (7, 210) 的数组

Answer 1

我认为您在重塑 DataFrame 时犯了一个错误。正如您所说，数据由 210 个样本组成，每个样本具有 8 个特征，即数据的形状必须为 ( 210 , 8 )。现在，从df 中选择所需的列后，您需要将数据重塑为( 210 , 7 ) 而不是( 7 , 210 )。进行此更改，

df_test = dftoArray.reshape( 210 , 1 )

形状( 210 , 7 ) 和( 7 , 210 ) 有很大的不同。形状( 7 , 210 ) 是指由 7 个样本组成的数据集，每个样本有 210 个特征。事实并非如此。