Python 修正tensorflow中ANN的NaN值/损失

我使用tensorflow运行了一个客户流失模型，并遇到了一个损失。环顾四周，我发现我的数据中可能有一些NaN值，正如

print（np.any（np.isnan（X_测试））

所证实的那样

我试着用

def标准化（列车、测试）： 平均值=np.平均值（列车，轴=0） 标准=np.标准（列车，轴=0）+0.000001 X_序列=（序列-平均值）/std X_检验=（检验-平均值）/std 返回X_列车，X_测试 但仍然提出了NaN价值观

以下是完整的代码（如果有帮助）：

将numpy导入为np
将matplotlib.pyplot作为plt导入
作为pd进口熊猫
导入tensorflow作为tf
dataset=pd.read\u excel（'chorn DATA.xlsx'）
X=dataset.iloc[：，2:45]。值
y=dataset.iloc[：，45]。值
从sklearn.preprocessing导入标签编码器
le=标签编码（）
X[：，1]=le.fit_变换（X[：，1]）
从sklearn.compose导入ColumnTransformer
从sklearn.preprocessing导入OneHotEncoder
ct=ColumnTransformer（transformers=[（'encoder'，onehotcoder（），[0]）]，余数='passthrough'）
X=np.array（ct.fit_变换（X））
从sklearn.model\u选择导入列车\u测试\u拆分
X_系列，X_测试，y_系列，y_测试=系列测试分割（X，y，测试尺寸=0.2）
从sklearn.preprocessing导入StandardScaler
sc=StandardScaler（）
X_序列=sc.fit_变换（X_序列）
X_测试=sc.transform（X_测试）
ann=tf.keras.models.Sequential（）
ann.add（tf.keras.layers.density（单位=43，激活=relu'））
ann.add（tf.keras.layers.density（单位=43，激活=relu'））
ann.add（tf.keras.layers.density（单位=1，激活='sigmoid'））
compile（优化器='adam'，loss='binary\u crossentropy'，metrics=['accurity']）
ann.fit（X列，y列，批量大小=256，历代=50）

您尚未替换

nan

值。而且数据中可能也有一些

inf

和

-inf

值。您可以用

0

用于数据帧

X.replace([np.inf, -np.inf], np.nan, inplace=True)
X = X.fillna(0)

或者如果您的数据位于numpy数组中

X[np.isnan(X)] = 0

X[X == np.inf] = 0 
X[X == -np.inf] = 0

---

在

dataset=pd.read\u excel（'CHURN DATA.xlsx'）

add

dataset=dataset.dropna（）

。正如下面所建议的，我正在处理一些输入中的负值（透支支票账户余额等），它正在删除80%的数据，因为dropna函数在找到nan后将删除整行，即使它只是一行。改用fillna。我在一些输入中使用负值（透支支票账户余额等）。当我尝试此操作时，我得到以下错误“numpy.ndarray”对象没有属性“replace”，我假设您的数据位于数据帧中，但显然数据位于numpy数组中。因此，您可以将数据转换为dataframe并使用上面的解决方案，或者使用以下方法：

X[X==np.inf]=0 X[X==np.inf]=0

。我已经编辑了我的答案。在对分类变量进行编码后，我运行了'X[X==np.inf]=0 X[X==-np.inf]=0'，但仍然得到打印（np.any（np.isnan（X_测试））=True之后，仍然遇到了nan损失运行此命令

X[np.isnan（X）]=0

。另外，您将此替换方法放在代码中的何处？成功！我使用'X.replace（[np.inf，-np.inf]，np.nan，inplace=True）X=X.fillna（0）`作为

dataset.replace（[np.inf，-np.inf]，np.nan，inplace=True）dataset=dataset.fillna（0）

。模型运行平稳，最终精度为0.99。谢谢