Keras 无法使用ktrain模型预测前端streamlit，请提供有关如何为预测功能提供输入的建议

无法使用ktrain模型预测前端Streamlight，请提供有关如何为预测功能提供输入的建议。

基本上，我想了解如何为保存的ktrain回归模型提供输入，以便将其合并到Streamlight web app按钮中

我试着把数组、列表和数据框作为参数放进去。预测函数似乎仍然缺少一些东西。当点击“预测”按钮时出现值错误

import streamlit as st
from PIL import Image 
import pandas as pd
from tensorflow import keras
model = keras.models.load_model("predictor.h5")


st.write("This is an application to calculate Employee Mental Fatigue Score")
image = Image.open("IMG_2605.jpeg")
st.image(image, use_column_width=True)

WFH_Setup_Available = st.text_input("is work from home enabled for you?")
Designation =st.text_input("what is your designation?")
Average_hours_worked_per_day = st.text_input("how many hours you work on an average per day?")
Employee_satisfaction_score = st.text_input("Please enter your satisfaction score on scale of 10")
data = ['WFH_Setup_Available', 'Designation', 'Average_hours_worked_per_day' , 'Employee_satisfaction_score']


def mental_fatigue_score(WFH_Setup_Available, Designation, Average_hours_worked_per_day, Employee_satisfaction_score):
  prediction = model.predict([[WFH_Setup_Available, Designation, Average_hours_worked_per_day, Employee_satisfaction_score]])
  print(prediction)
  return prediction


if st.button("Predict"):
  result= mental_fatigue_score(WFH_Setup_Available, Designation, Average_hours_worked_per_day, Employee_satisfaction_score)
  st.success('The output is {}'.format(result))

请建议如何为Streamlight web app的.predict功能提供输入。

---

我已经使用ktrain回归器训练了预测器。

通过将ktrain模型保存为

predictor.save('predictor')
predictor = ktrain.load_predictor('predictor')

当我另存为预测器时，它会创建一个文件夹，其中有一个tf_mode.h5&tf_model.preproc

这比我想象的要容易

列车输入的进一步数据帧如下所示-

data = {'WFH_Setup_Available':WFH_Setup_Available,'Designation':Designation, 'Company_Type':Company_Type, 
        'Average_hours_worked_per_day': Average_hours_worked_per_day, 'Employee_satisfaction_score': Employee_satisfaction_score}

data = pd.DataFrame([data])

---

我纠正了之前使用的方法，只需将st.text_输入变量作为参数添加到my.predict中，作为字符串列表，但得到了相同的突出显示错误。我猜从ktrain预测时有一个非常基本的错误。我不知道你使用的是哪种模型。如果这是一个表格回归模型，并且您直接使用Keras，那么输入必须以几种不同的特定方式之一进行格式化（例如，生成器、Numpy数组等）：