Python 用PCA-sklearn和TensorFlow实现pipline

它给出了另一个错误

必须始终传递

Layer.call

的第一个参数

我解决不了这个问题。输入尺寸不能设置为常量。PCA和SelectKBest将减少输入量

如果你能帮助我从管道输出结果，我将非常感激

将链接附加到数据：

---

在具有将参数传递给模型函数的函数的KerasRegressionor中，它们被写入KerasRegressionor参数

kearsEstimator = ('kR', KerasRegressor(createModel, inpt = trainDataX.shape[1], 
                                                 epochs = 5, batch_size = 180, verbose = 1))

像这样，不是这样：

kearsEstimator = ('kR', KerasRegressor(createModel(inpt), 
                                                 epochs = 5, batch_size = 180, verbose = 1))

嗯，然后把管道输送到电网。网格的参数名称用前缀写入

estimators = []
estimators.append((kearsEstimator))
param_grid = { 
    'kR__optimizer':['adam'] #'RMSprop', 'Adam', 'Adamax', 'sgd'
}
grid = GridSearchCV(Pipeline(estimators), param_grid, cv = 5)
grid.fit(trainDataX, trainDataY)

---

虽然这个代码片段可能是解决方案，但它确实有助于提高文章的质量。请记住，您将在将来回答读者的问题，这些人可能不知道您的代码建议的原因。你也可以接受你自己的答案。我只写了一个月的代码。）我是个初学者。我自己还是不太明白。但我充满雄心壮志）我只学英语（（很努力。他们不找工作（我什么都能做。我学习很快，但我们不会放弃））我会学习语言，我会帮助这里的人）

estimators = []
estimators.append((kearsEstimator))
param_grid = { 
    'kR__optimizer':['adam'] #'RMSprop', 'Adam', 'Adamax', 'sgd'
}
grid = GridSearchCV(Pipeline(estimators), param_grid, cv = 5)
grid.fit(trainDataX, trainDataY)