Python 如何在keras的最后一层输入单个变量？

我试图在Keras中前馈NN的最后一步中包含一个变量。我似乎只有在包含两列时才能让它工作，而不是只有一列。下面是我的代码示例：

首先，我准备我的主要输入数据集：

import pandas as pd
from keras.models import Model
from keras.layers import Dense, Input, Concatenate
from keras.optimizers import Adam

iris = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv')
iris.loc[:, 'target'] = (iris.species == "setosa").map(int)
train_x = iris.drop(columns=['target', 'species'])
train_y = iris['target'].map(int)

然后，我将

train_x

拆分为两个独立的数据帧，并将它们输入到网络的不同位置：

feature_x = train_x.drop(columns='petal_width')
single_feature_x = train_x[['petal_width']]

input_x = Input(shape=feature_x.shape, name='feature_input')
single_input_x = Input(shape=single_feature_x.shape, name='single_input')

x = Dense(4, activation='relu')(input_x)

concat_feat = Concatenate(axis=-1, name='concat_fc')([x, single_input_x])

outputs = Dense(1, activation='sigmoid')(concat_feat)

model = Model(inputs=[input_x, single_input_x], outputs=outputs)
model.compile(loss='binary_crossentropy',
              optimizer=Adam(lr=0.001))

model.fit({'feature_input': feature_x,
           'single_input': single_feature_x},
          train_y,
          epochs=100,
          batch_size=512,
          verbose=1)

这将抛出错误：

ValueError: Shape must be rank 2 but is rank 3 for '{{node model_5/concat_fc/concat}} = ConcatV2[N=2, T=DT_FLOAT, Tidx=DT_INT32](model_5/dense_10/Relu, model_5/Cast_1, model_5/concat_fc/concat/axis)' with input shapes: [?,4], [?,1,1], [].

但是，如果我添加这一行，它运行得很好：

feature_x = train_x.drop(columns='petal_width')
single_feature_x = train_x[['petal_width']]
# Add a constant column so the shape becomes (?,2)
single_feature_x.loc[:, 'constant'] = 0

---

为什么这对两列有效而对一列无效？

只需正确指定输入形状即可。对于二维数据，只需传递特征尺寸。不需要样本尺寸。您只需将输入更正为：

input_x = Input(shape=feature_x.shape[1], name='feature_input')
single_input_x = Input(shape=single_feature_x.shape[1], name='single_input')

---

谢谢！我认为这是形状的问题，但我无法解决它。这很有魅力。