Keras 如何使用使用特征层的训练模型进行预测？

我有一个经过训练的模型，它使用特征层作为输入。 我对模型在验证和测试集上的培训和性能感到满意

但是现在，我想手动创建一个新的示例，发送到模型并从中获得预测

我的代码如下所示：

不用担心这个问题的特征缩放，我如何将这些数据发送到模型并从中得到预测？ 我应该使用什么语法

• 信用评分：358
• 年龄:42
• 任期：5年
• 结余：4000
• 产品数量：5
• HasCrCard 1：
• IsActiveMember:1
• 估计降雨量：50000
• 地理：法国
• 性别:男

---

谢谢您的帮助。

与您在

列车ds

中使用的格式完全相同。与

列车ds

中使用的格式完全相同。

categorical_columns = []
numeric_columns = []

# numeric cols
for header in ['CreditScore', 'Age', 'Tenure', 'Balance', 'NumOfProducts', 'HasCrCard','IsActiveMember','EstimatedSalary']:
  numeric_columns.append(feature_column.numeric_column(header))

# categorical cols
categories = {
                'Geography':['France', 'Spain', 'Germany'],
                'Gender': ['Female', 'Male']
             }

for header, possible_values in categories.items():
  cat_col = tf.feature_column.categorical_column_with_vocabulary_list(key=header, vocabulary_list=possible_values)
  categorical_columns.append(tf.feature_column.indicator_column(cat_col))

feature_columns =  numeric_columns + categorical_columns

feature_layer = tf.keras.layers.DenseFeatures(feature_columns)

model = tf.keras.Sequential([
  feature_layer,
  layers.Dense(6, activation='relu'),
  layers.Dense(6, activation='relu'),
  layers.Dense(1, activation='sigmoid')
])

model.compile(optimizer='adam',
              loss='binary_crossentropy',
              metrics=['accuracy'],
              run_eagerly=True)

history = model.fit(x=train_ds, validation_data=val_ds, epochs=4)