Python 使用TFlearn为线性回归塑造数据

我试图通过将列数增加到21来扩展

from trafficdata import X,Y

import tflearn

print(X.shape) #(1054, 21)
print(Y.shape) #(1054,)

# Linear Regression graph
input_ = tflearn.input_data(shape=[None,21])
linear = tflearn.single_unit(input_)
regression = tflearn.regression(linear, optimizer='sgd', loss='mean_square',
                                metric='R2', learning_rate=0.01)
m = tflearn.DNN(regression)
m.fit(X, Y, n_epoch=1000, show_metric=True, snapshot_epoch=False)

print("\nRegression result:")
print("Y = " + str(m.get_weights(linear.W)) +
      "*X + " + str(m.get_weights(linear.b)))

然而，tflearn抱怨：

Traceback (most recent call last):
  File "linearregression.py", line 16, in <module>
    m.fit(X, Y, n_epoch=1000, show_metric=True, snapshot_epoch=False)
  File "/usr/local/lib/python3.5/dist-packages/tflearn/models/dnn.py", line 216, in fit
    callbacks=callbacks)
  File "/usr/local/lib/python3.5/dist-packages/tflearn/helpers/trainer.py", line 339, in fit
    show_metric)
  File "/usr/local/lib/python3.5/dist-packages/tflearn/helpers/trainer.py", line 818, in _train
    feed_batch)
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py", line 789, in run
    run_metadata_ptr)
  File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py", line 975, in _run
    % (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape())))
ValueError: Cannot feed value of shape (64,) for Tensor 'TargetsData/Y:0', which has shape '(21,)'

回溯（最近一次呼叫最后一次）：
文件“linearregression.py”，第16行，在
m、 拟合（X，Y，n_epoch=1000，show_metric=True，snapshot_epoch=False）
文件“/usr/local/lib/python3.5/dist-packages/tflearn/models/dnn.py”，第216行，适合
回调=回调）
文件“/usr/local/lib/python3.5/dist-packages/tflearn/helpers/trainer.py”，第339行，适合
显示（单位：公制）
文件“/usr/local/lib/python3.5/dist-packages/tflearn/helpers/trainer.py”，第818行，in\u-train
进料（每批）
文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py”，第789行，正在运行
运行_元数据_ptr）
文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/client/session.py”，第975行，正在运行
%（np_val.shape，subfeed_t.name，str（subfeed_t.get_shape（）））
ValueError:无法为张量'TargetsData/Y:0'提供形状（64，）的值，该张量具有形状'（21，）'

我发现形状（64，）来自默认的批量大小tflearn.regression（）

我是否需要转换标签（Y）？以什么方式

---

谢谢

我也试着这么做。我做了这些改变来让它工作

# linear = tflearn.single_unit(input_)
linear = tflearn.fully_connected(input_, 1, activation='linear')

---

我的猜测是，如果功能>1，则不能使用

tflearn.single\u unit（）

。您可以添加其他完全连接的层，但最后一层必须只有1个神经元，因为Y.shape=（？，1）

您有21个特征。因此，不能使用

linear=tflearn.single\u单元（输入）

请尝试以下操作：

linear=tflearn.fully\u connected（输入、21、激活='linear'）

您得到的错误是因为您的标签，即Y的形状为（1054，）。 你必须先对它进行预处理

在使用线性回归图之前，请尝试使用下面给出的代码：

Y=np.展开尺寸（Y，-1）

现在在

回归=tflearn.回归（线性，优化器='sgd'，损失='mean_square'，度量='R2'，学习率=0.01）

之前，键入以下代码：

linear=tflearn.完全连接（linear，1，activation='linear'）