Python TensorFlow机器学习-根据用户输入进行预测

我正在研究一个涉及两个类的分类问题。我需要在数据集上训练模型，并在将一个值作为每个属性的输入后预测正确的类。这里是数据集的一个片段。这些类是

0

和

1

。

以下是我用来培训和测试模型的代码：

X = df.drop(["classification"], axis=1)
y = df["classification"]

x_scaler = MinMaxScaler()
x_scaler.fit(X)
column_names = X.columns
X[column_names] = x_scaler.transform(X)

X_train,  X_test, y_train, y_test = train_test_split(
        X, y, test_size= 0.2, shuffle=True)

我尝试从用户处获取输入，如下所示：

userInput=input("Enter 14 attributes separated by commas")
#userInput=userInput.split(",")
#userInput=[np.float32(c) for c in userInput]

并预测：

pred=model.predict(userInput)

但我得到了一个错误：

AttributeError:“str”对象没有属性“ndim”

我还尝试手动输入属性：

prediction=np.array([40,8,1,2,0,2,6,10,34,40,16,23,67,25])
print(prediction.shape) # Shape is (14,)
print(prediction[0].shape) # Shape is ()
print(prediction[0:1].shape) #Shape is (1,)
print(X_test[0:1].shape) #Shape is (1, 14)

通过以下方式进行预测：

  (1) pred = model.predict(x=np.array(prediction[0:1].shape))
  (2) pred = model.predict(x=np.array(prediction[0].shape))
  (3) pred = model.predict(prediction)
  (4) pred = model.predict([40,8,1,2,0,2,6,10,34,40,16,23,67,25])
  (5) pred = model.predict(prediction.shape)
  (6) pred = model.predict([40],[8],[1],[2],[0],[2],[6],[10],[34],[40],[16],[23],[67],[25])

但是在

1

到

4

ValueError:检查输入时出错：预期密集_1_输入具有形状（14），但获得具有形状（1，）的数组

分别在

5

和

6

的情况下

AttributeError:“tuple”对象没有属性“ndim”
TypeError:predict（）接受2到9个位置参数，但给出了15个

另外，我试着运行了这个程序，但效果很好：

pred=model.predict(X_test)

但这一预测无论如何都不成立。我试过：

(1) print(np.argmax(pred(userInput)))
(2) print(np.argmax(pred(prediction)))

使用

.shape

也不起作用，并给出错误：

TypeError:“列表”对象不可调用

训练数据的形状：（320,14） 试验数据的形状：（80,14）

有什么方法可以让我从用户那里获取输入，并将其用于预测吗？

当您使用

pred=model.predict（userInput）

您将得到错误

AttributeError:“str”对象没有属性“ndim”

，因为您正在向函数传递字符串。您必须拆分从终端读取的字符串，并将字符串转换为整数

inputString = "1, 2, 3,4"
sample = inputString.replace(" ", "").split(",")
sample = [int(x) for x in sample]
print(sample)
[1, 2, 3, 4]

对于预测，请尝试将样本传递给预测方法，如下所示：

pred = model.predict([[40,8,1,2,0,2,6,10,34,40,16,23,67,25]])