Python ValueError:无法将字符串转换为浮点：'；W'；_Python_Pandas_Numpy_Neural Network

Python ValueError:无法将字符串转换为浮点：'；W'；

python pandas numpy neural-network

Python ValueError:无法将字符串转换为浮点：'；W'；,python,pandas,numpy,neural-network,Python,Pandas,Numpy,Neural Network,我一直在尝试用熊猫乳腺癌来建立一个浅层神经网络，我一直在犯这个错误，如果有人能告诉我到底是什么错误以及如何修复它，我将不胜感激 File "D:\Users\USUARIO\Desktop\una carpeta para los oasda proyectos\Ex_Files_Python_EssT\Exercise Files\basic_hands_on.py", line 55, in predict np.array(WT, dtype=np.float3

我一直在尝试用熊猫乳腺癌来建立一个浅层神经网络，我一直在犯这个错误，如果有人能告诉我到底是什么错误以及如何修复它，我将不胜感激

File "D:\Users\USUARIO\Desktop\una carpeta para los oasda proyectos\Ex_Files_Python_EssT\Exercise Files\basic_hands_on.py", line 55, in predict
    np.array(WT, dtype=np.float32)
ValueError: could not convert string to float: 'W'

我试图将字典上的W值转换为float32，因为我需要它来实际处理predict函数上的方程，但我一直得到“W”的类型是字符串，尽管print（[W]）给了我一个矩阵

这是出于上下文的考虑而编写的代码

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_breast_cancer

def initialiseNetwork(num_features):
  W = np.zeros((num_features, 1))
  b = 0
  parameters = {"W": W, "b": b}
  return parameters
def sigmoid(z):
  a = 1/(1 + np.exp(-z))
  return a
def forwardPropagation(X, parameters):
  W = parameters["W"]
  b =  parameters["b"]
  Z = np.dot(W.T,X) + b
  A = sigmoid(Z)
  return A

def cost(A, Y, num_samples):
  cost = -1/num_samples *np.sum(Y*np.log(A) + (1-Y)*(np.log(1-A)))
  return cost
def backPropagration(X, Y, A, num_samples):

  dZ = A - Y

  dW = (np.dot(X,dZ.T))/num_samples

  db = np.sum(dZ)/num_samples

  return dW, db
def updateParameters(parameters, dW, db, learning_rate):

  W = parameters["W"] - (learning_rate * dW)

  b = parameters["b"] - (learning_rate * db)

  return {"W": W, "b": b}

def model(X, Y, num_iter, learning_rate):
  num_features = X.shape[0]
  num_samples = (X.shape[1])
  print(num_samples)
  parameters = initialiseNetwork(num_features)
  for i in range(num_iter):
    A = forwardPropagation(X, parameters)
    if(i%100 == 0):
      print("cost after {} iteration: {}".format(i, cost(A, Y, num_samples)))
    dW, db = backPropagration(X, Y, A, num_samples)
    parameters = updateParameters(parameters, dW, db, learning_rate)
  return parameters
def predict(W, b, X):
  WT = np.transpose(["W"])
  np.array(WT, dtype=np.float32)
  np.array(WT,dtype=float)
  Z = np.dot(WT,X) + b
  Y = np.array([1 if y > 0.5 else 0 for y in sigmoid(Z[0])]).reshape(1,len(Z[0]))
  return Y
(X_cancer, y_cancer) = load_breast_cancer(return_X_y = True)
X_train, X_test, y_train, y_test = train_test_split(X_cancer, y_cancer,
                                                   random_state = 25)
def normalize(data):
  col_max = np.max(data, axis = 0)
  col_min = np.min(data, axis = 0)
  return np.divide(data - col_min, col_max - col_min)
X_train_n = normalize(X_train)
X_test_n = normalize(X_test)
X_trainT = X_train_n.T
X_testT = X_test_n.T
y_trainT = y_train.reshape(1, (X_trainT.shape[1]))
y_testT = y_test.reshape(1, (X_testT.shape[1]))
parameters = model(X_trainT, y_trainT, 4000, 0.75)
print(parameters)
print(X_trainT)
yPredTrain = predict(['W'], ['b'], X_trainT)   # pass weigths and bias from parameters dictionary and X_trainT as input to the function
yPredTest = predict(['W'], ['b'], X_testT)  # pass the same parameters but X_testT as input data
accuracy_train = 100 - np.mean(np.abs(yPredTrain - y_trainT)) * 100
accuracy_test = 100 - np.mean(np.abs(yPredTest - y_testT)) * 100
print("train accuracy: {} %".format(accuracy_train))
print("test accuracy: {} %".format(accuracy_test))
with open("Output.txt", "w") as text_file:
  text_file.write("train= %f\n" % accuracy_train)
  text_file.write("test= %f" % accuracy_test)```

我正要骂你，因为你没有告诉我们问题出在哪里。但后来我碰巧将错误消息与

def predict(W, b, X):
   WT = np.transpose(["W"])
   np.array(WT, dtype=np.float32)
   ...

当然，这会产生这个错误。其中包含字符“W”的数组肯定不能转换为浮点

你使用了很多预测（['W']，但这不是其中一个。

我本来想骂你，因为你没有告诉我们问题发生的地方。但是后来我碰巧将错误消息与

def predict(W, b, X):
   WT = np.transpose(["W"])
   np.array(WT, dtype=np.float32)
   ...

当然，这会产生这个错误。其中包含字符“W”的数组肯定不能转换为浮点

您可以使用

predict（['W']

许多地方，但这并不是其中之一。

这里是出现问题的地方：

WT = np.transpose(["W"])
np.array(WT, dtype=np.float32)

这将创建一个数组，其中包含

“W”

。不是变量

，而是文本字符

“W”

。我想您的意思是：

WT = np.transpose([W])

同样，当您调用

predict（）

时，我假设您希望传入

参数[“W”]

，而不是

“W”

。请记住，

“W”

只是一个字符，它与名为

的变量不同。这里是出现问题的地方：

WT = np.transpose(["W"])
np.array(WT, dtype=np.float32)