Python 用张量流建立支持向量机

我目前有两个numpy阵列：

• X

  -（157，128）-157套128项功能

• Y

  -（157）-要素集的分类

这是我编写的代码，试图构建这些特性的线性分类模型

首先，我将数组调整为Tensorflow数据集：

train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={"x": X},
    y=Y,
    num_epochs=None,
    shuffle=True)

然后我尝试

拟合

一个SVM模型：

svm = tf.contrib.learn.SVM(
    example_id_column='example_id', # not sure why this is necessary
    feature_columns=tf.contrib.learn.infer_real_valued_columns_from_input(X), # create feature columns (not sure why this is necessary) 
    l2_regularization=0.1)

svm.fit(input_fn=train_input_fn, steps=10)

但这只是返回错误：

WARNING:tensorflow:float64 is not supported by many models, consider casting to float32.
WARNING:tensorflow:Using temporary folder as model directory: /tmp/tmpf1mwlR
WARNING:tensorflow:tf.variable_op_scope(values, name, default_name) is deprecated, use tf.variable_scope(name, default_name, values)
Traceback (most recent call last):
  File "/var/www/idmy.team/python/train/classifier.py", line 59, in <module>
    svm.fit(input_fn=train_input_fn, steps=10)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/python/util/deprecation.py", line 316, in new_func
    return func(*args, **kwargs)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 480, in fit
    loss = self._train_model(input_fn=input_fn, hooks=hooks)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 985, in _train_model
    model_fn_ops = self._get_train_ops(features, labels)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 1201, in _get_train_ops
    return self._call_model_fn(features, labels, model_fn_lib.ModeKeys.TRAIN)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 1165, in _call_model_fn
    model_fn_results = self._model_fn(features, labels, **kwargs)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/learn/python/learn/estimators/linear.py", line 244, in sdca_model_fn
    features.update(layers.transform_features(features, feature_columns))
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers/python/layers/feature_column_ops.py", line 656, in transform_features
    transformer.transform(column)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers/python/layers/feature_column_ops.py", line 847, in transform
    feature_column.insert_transformed_feature(self._columns_to_tensors)
  File "/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/layers/python/layers/feature_column.py", line 1816, in insert_transformed_feature
    input_tensor = self._normalized_input_tensor(columns_to_tensors[self.name])
KeyError: ''

<代码>警告：TooSoFrase:许多模型不支持FLUAT64，考虑将FLUAT32转换为FLUAT32。 警告：tensorflow:使用临时文件夹作为模型目录：/tmp/tmpf1mwlR 警告：tensorflow:tf.variable\u op\u scope（值、名称、默认名称）已弃用，请使用tf.variable\u scope（名称、默认名称、值） 回溯（最近一次呼叫最后一次）： 文件“/var/www/idmy.team/python/train/classifier.py”，第59行，在 svm.fit（输入值=训练值，步数=10） 文件“/usr/local/lib/python2.7/dist packages/tensorflow/python/util/deprecation.py”，第316行，在new_func中 返回函数（*args，**kwargs） 文件“/usr/local/lib/python2.7/dist packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py”，第480行 损耗=自身。\列车\模型（输入\ fn=输入\ fn，挂钩=挂钩） 文件“/usr/local/lib/python2.7/dist packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py”，第985行，列车模型 型号（功能、标签） 文件“/usr/local/lib/python2.7/dist-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py”，第1201行，在“获取”操作中 返回self.\u调用\u model\u fn（特性、标签、model\u fn\u lib.ModeKeys.TRAIN） 文件“/usr/local/lib/python2.7/dist packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py”，第1165行，在调用模型fn中 模型\结果=自身。\模型\结果（特征、标签，**kwargs） 文件“/usr/local/lib/python2.7/dist packages/tensorflow/contrib/learn/python/learn/estimators/linear.py”，第244行，sdca_model_fn 要素。更新（图层。变换要素（要素、要素列）） 文件“/usr/local/lib/python2.7/dist packages/tensorflow/contrib/layers/python/layers/feature_column_ops.py”，第656行，在transform_features中 transformer.transform（列） 文件“/usr/local/lib/python2.7/dist packages/tensorflow/contrib/layers/python/layers/feature_column_ops.py”，第847行，在转换中 特征列。插入转换的特征（自列到张量） 文件“/usr/local/lib/python2.7/dist packages/tensorflow/contrib/layers/python/layers/feature\u column.py”，第1816行，插入\u转换\u功能 输入张量=self.\u规范化输入张量（列到张量[self.name]） 密钥错误：“” 我做错了什么？

• 键

  self.name

  不在

  column\u to\u tensors

  字典中，这就是错误所在，

  self.name

  的值为空字符串
• 我想你把参数给了

  tf.estimator.inputs.numpy\u input\u fn

• 解决方案可能是将列车输入线路更改为

  train_input_fn = tf.estimator.inputs.numpy_input_fn(x=X,
                                                      y=Y,
                                                      num_epochs=None,
                                                      shuffle=True)
  

• 我认为

  x

  参数必须是一个numpy数组，你给它一个字典

• 我将坚持他们的观点，不做任何幻想

  real_feature_column = real_valued_column(...)
  sparse_feature_column = sparse_column_with_hash_bucket(...)
  
  estimator = SVM(
      example_id_column='example_id',
      feature_columns=[real_feature_column, sparse_feature_column],
      l2_regularization=10.0)
  
  # Input builders
  def input_fn_train: # returns x, y
      ...
  def input_fn_eval: # returns x, y
      ...
  
  estimator.fit(input_fn=input_fn_train)
  estimator.evaluate(input_fn=input_fn_eval)
  estimator.predict(x=x)
  

===================已更新==============

• 我的更新答案将针对您的错误
• 正如错误所说，

  self.name

  是一个空字符串，并且该空字符串不存在于您要传递给

  的字典中，该字典从创建
  \u reallvaluedcolumn
  对象的输入中推断出实值列

• 因此，我通过调试错误发现，

  tf.contrib.learn.experte\u real\u valued\u columns\u from\u input（X）

  传递的X必须是一个字典，这样，

  \u RealValuedColumn

  对象的

  self.name

  由传递的字典的键初始化
• 这就是我所做的

  import tensorflow as tf
  import numpy as np
  
  X = np.array([[1], [0], [0], [1]])
  Y = np.array([[1], [0], [0], [1]])
  
  dic = {"x": X}
  
  train_input_fn = tf.estimator.inputs.numpy_input_fn(
      x=dic,
      y=Y,
      num_epochs=None,
      shuffle=True)
  
  svm = tf.contrib.learn.SVM(example_id_column='x', feature_columns=tf.contrib.learn.infer_real_valued_columns_from_input(dic), l2_regularization=0.1)
  
  svm.fit(input_fn=train_input_fn, steps=10)
  

• 现在，这删除了上面的错误，但它给出了一个新的错误

  TypeError:“SdcaFprint”Op的Input“Input”的类型int64与预期的字符串类型不匹配。
  

• 希望你取消你的否决票

---

以下是一个不会引发错误的SVM使用示例：

import numpy
import tensorflow as tf

X = numpy.zeros([157, 128])
Y = numpy.zeros([157], dtype=numpy.int32)
example_id = numpy.array(['%d' % i for i in range(len(Y))])

x_column_name = 'x'
example_id_column_name = 'example_id'

train_input_fn = tf.estimator.inputs.numpy_input_fn(
    x={x_column_name: X, example_id_column_name: example_id},
    y=Y,
    num_epochs=None,
    shuffle=True)

svm = tf.contrib.learn.SVM(
    example_id_column=example_id_column_name,
    feature_columns=(tf.contrib.layers.real_valued_column(
        column_name=x_column_name, dimension=128),),
    l2_regularization=0.1)

svm.fit(input_fn=train_input_fn, steps=10)

---

示例传递给SVM估计器。您可能可以替换回

从\u输入推断\u实值\u列\u，但您需要向它传递一个字典，以便它为列选择正确的名称。在这种情况下，从概念上讲，只需自己构建功能栏就更简单了。
您可以编辑您的问题并发布错误的完整回溯吗？@NiayeshIsky UpdatedHanks，以获取您的回答。虽然它似乎只是说明了我的问题是什么，然后是tensorflow的一段代码片段。伙计，看看我的答案吧。。。。当x需要numpy数组时，你正在给它一本字典。幸运的是，这不是真的。