Python 当我得到这个时该怎么办；NumPy数组到张量（不支持的对象类型浮点）。”；在这种特殊情况下？

我有些怀疑。我得到了一些分类和数字特征的数据。这里是数据

我正在使用的库包括：

 import pandas as pd 
 import numpy as np 
 import tensorflow as tf

 tf.__version__
 2.3.0

在确定了X数据和y数据（最后一列）之后，我对分类数据进行了编码

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
ct= ColumnTransformer(transformers=[('encoder', OneHotEncoder(), [0,1,2])], remainder = 'passthrough')
X = np.array(ct.fit_transform(X))

我之所以使用这种编码类型，是因为第1列和第2列不是数字的（它们定义了“批处理”和“连续”或“亮”和“暗”）操作类型，第0列与特定底物（有机化合物）相关，一些是复杂的（分子量未知），而另一些是简单的（分子量已知）

从编码的结果来看，我得到了：

正如我们看到的，每个类别都有自己的代码，列的数量也增加了。现在我有15个专栏

然后，我继续分割数据

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 1)

在X_列和X_测试中，我只对原始数值数据进行了归一化处理

from sklearn.preprocessing import MinMaxScaler
scalar = MinMaxScaler()
X_train[:,11:]=scalar.fit_transform(X_train[:,11:])
X_test[:,11:]=scalar.transform(X_test[:,11:]) 

最后，我想用输入层、隐藏层和一个输出层构建ANN

ann = tf.keras.models.Sequential()
ann.add(tf.keras.layers.Dense(units=15, activation='relu'))
ann.add(tf.keras.layers.Dense(units=7, activation='relu'))
ann.add(tf.keras.layers.Dense(units=1))

在我定义了ANN的结构之后，我想进行训练

ann.compile(optimizer = 'adam', loss = 'mean_squared_error')

问题来了

ann.fit(X_train, y_train, batch_size = 32, epochs = 100) 

这是给我看的：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-47-0ccb0e29ce49> in <module>()
----> 1 ann.fit(X_train, y_train, batch_size = 100, epochs = 728) # propagacion in batchs

13 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/constant_op.py in 
convert_to_eager_tensor(value, ctx, dtype)
 96       dtype = dtypes.as_dtype(dtype).as_datatype_enum
 97   ctx.ensure_initialized()
---> 98   return ops.EagerTensor(value, ctx.device_name, dtype)
 99 
100 

ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type float).

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
---->1 ann.fit（X列，y列，批量大小=100，历代=728）#批量宣传
13帧
/中的usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/constant_op.py
转换为张量（值、ctx、数据类型）
96 dtype=dtypes.as\u dtype（dtype）.as\u datatype\u enum
97 ctx.确保_已初始化（）
--->98返回操作数（值，ctx.device\u名称，数据类型）
99
100
ValueError:无法将NumPy数组转换为张量（不支持的对象类型float）。

---

那么，我如何解决这个问题呢？

您可以通过执行

Numpy

转换来解决问题，如下所示，而

fit

方法

ann.fit(np.asarray(X_train,dtype=np.float32), np.asarray(y_train,dtype=np.float32), batch_size = 32, epochs = 100)  

或者按照@4.Pi.n在评论中的建议，您可以使用下面的代码将

dtype

更改为

float32

ann.fit(X_train.astype('float32'), y_train.astype('float32'), batch_size = 32, epochs = 100)

---

尝试将数组强制转换为

float32

，

ann.fit（X_train.astype（'float32'），y_train.astype（'float32'），batch_size=32，epochs=100）