在 TFLearn 中为回归指定多个目标答案

【问题标题】：Specifying Multiple targets for regression in TFLearn在 TFLearn 中为回归指定多个目标
【发布时间】：2017-06-04 06:08:37
【问题描述】：

如何在tflearn.data_utils.load_csv方法中指定多个target_column。

根据 Tflearn 文档 load_csv 将 target_column 作为整数。

尝试在 load_csv 方法中将我的 target_columns 作为列表传递，并按预期得到了 TypeError: 'list' object cannot be interpreted as an integer 回溯。

对此的任何解决方案。谢谢

【问题讨论】：

标签： python regression tflearn

【解决方案1】：

这不是回归的工作原理。您必须只有一列作为目标。这就是为什么 tensorflow API 只允许一列作为回归的目标，用整数指定。

【讨论】：

【解决方案2】：

通过TFLearn github repo 发现，我们不能直接使用load_csv 指定多个目标。

需要通过pandas读取csv文件作为dataframe，并使用dataframe.as_matrix()将其转换为矩阵，并指定数据和标签列。

例如，我的 csv 文件中有 34 列作为数据集，9 列作为目标。

这就是我所做的

import tflearn
from tflearn.optimizers import SGD
import pandas as pd,numpy as np

#name=input('name for run_id:')

csvfile = pd.read_csv('path/to/file.csv')

data = csvfile[['my','data','columns']] 
label= csvfile[['target','columns']]

data=data.as_matrix()
label= label.as_matrix()

正如这篇文章https://datascience.stackexchange.com/questions/16890/neural-network-for-multiple-output-regression 所提到的......只需提及输出层的单元数并将激活设置为线性，即没有激活并完成。

希望这对其他有类似情况的人有所帮助。

【讨论】：