Python 如何在Tensorflow keras中使用nlp预测？

我在预测命名实体识别集时有点问题。 经过我的训练和测试，一切都很顺利。现在我想测试原始数据，比如字符串

我试着用

model.predict(['Elon musk is good guy , he owns spacex, tesla.'])

但是它抛出了erorr

UnimplementedError:  Cast string to float is not supported
     [[node functional_29/Cast (defined at <ipython-input-210-e13dae4a124d>:1) ]] [Op:__inference_predict_function_223088]

Function call stack:
predict_function

给予 数组（[[0,0,0,0,0,0,0]] 但事实并非如此。甚至尝试了x_train[0]的一个片段句子，但它抛出的结果是这样的。

---

谢谢你的帮助。

我想你想预测单词，对吗

那么你应该把你的话分开：

sentence = 'Elon musk is good guy , he owns spacex, tesla.'
word_index = [[token2idx[word] for word in sentence.split(' ')]]
X = pad_sequences(sequences=word_index, maxlen=7, padding='post')
predicted = np.argmax(model.predict(X), axis=-1) 
print(predicted)

更新

正如讨论所显示的，问题在于模型在学习过程中具有较高的准确性，但输出始终为零

由于y类的大小不是均匀分布的，因此模型了解到，改进一类的预测将很快提高精度。所以你的y数据是这样的：

[0,0,0,0,0,0,0,0,1,0,0,0,0,0,3,0]

。有三个类：

0,1,3

模型可以快速学习预测零，因为这可以最大程度地提高精度但是

---

该模型只学习预测0，这已经给了它很高的精确度。例如，当一个序列包含20个单词，因此20个y值和19个为0时，通过始终预测0，模型将达到95%的准确度。因此，在这种情况下，高精度并不能衡量模型的质量，因为为了提高所有类的模型性能，从95%跳到98%比从50%跳到95%更能提高模型的性能。

我猜你想预测单词，对吗

那么你应该把你的话分开：

sentence = 'Elon musk is good guy , he owns spacex, tesla.'
word_index = [[token2idx[word] for word in sentence.split(' ')]]
X = pad_sequences(sequences=word_index, maxlen=7, padding='post')
predicted = np.argmax(model.predict(X), axis=-1) 
print(predicted)

更新

正如讨论所显示的，问题在于模型在学习过程中具有较高的准确性，但输出始终为零

由于y类的大小不是均匀分布的，因此模型了解到，改进一类的预测将很快提高精度。所以你的y数据是这样的：

[0,0,0,0,0,0,0,0,1,0,0,0,0,0,3,0]

。有三个类：

0,1,3

模型可以快速学习预测零，因为这可以最大程度地提高精度但是

---

该模型只学习预测0，这已经给了它很高的精确度。例如，当一个序列包含20个单词，因此20个y值和19个为0时，通过始终预测0，模型将达到95%的准确度。因此，在这种情况下，高精度是无法衡量模型质量的，因为为了提高所有类的模型性能，从95%跳到98%比从50%跳到95%更能提高模型的性能。

请澄清，哪个错误是通过

模型。预测（X）

返回？请澄清，下面是我的完整代码。非常感谢您的帮助，很遗憾，我无法查看整个代码，但由于您的模型具有很高的准确性，它认为它预测的是正确的，因此您的输出与预期一致。看一看你的y值，预处理可能是原因。看一看y=0是什么，你的模型可能会很好地学习预测零。因此，当你输入一个包含20个单词的句子时，只有一个单词y不是零，通过一直预测0，模型的准确率将达到95%。所以，要么训练更长的时间，要么看看你的模型结构，因为你的模型有96%的准确度，正如我所说的，不要说太多，你到底想预测什么？这是我的全部代码。非常感谢您的帮助，很遗憾，我无法查看整个代码，但由于您的模型具有很高的准确性，它认为它预测的是正确的，因此您的输出与预期一致。看一看你的y值，预处理可能是原因。看一看y=0是什么，你的模型可能会很好地学习预测零。因此，当你输入一个包含20个单词的句子时，只有一个单词y不是零，通过一直预测0，模型的准确率将达到95%。所以，要么训练更长的时间，要么看看你的模型结构，因为你的模型有96%的准确度，正如我所说的，不要说太多