Tensorflow类型错误'；功能列'；线性分类器

我只是想得到一些代码来工作，但我不断得到错误

代码是

import tensorflow.contrib.learn as skflow
从sklearn导入数据集、度量
iris=数据集。加载\u iris（）
Classifier=skflow.LinearClassifier（n_classes=3）
分类器.fit（iris.data，iris.target）
分数=度量。准确度\分数（iris.target，classifier.predict（iris.data））
打印（“精度：%f”%score）

但我得到了这个错误（研究和修改后的最新错误）

回溯（最近一次呼叫最后一次）：
文件“E:\Users\black\Python\machine learning\MLappIris.py”，第6行，在
Classifier=skflow.LinearClassifier（n_classes=3）
TypeError:\uuuu init\uuuuu（）缺少1个必需的位置参数：“feature\u columns”

任何帮助都将不胜感激

• Python:3.5
• Tensorflow:1.3.0
• sklearn:0.18.2
• Windows 10 64位

---

您必须定义您的

功能列

-以下是完整的脚本：

将tensorflow导入为tf
导入tensorflow.contrib.learn作为skflow
从sklearn导入数据集、度量
iris=数据集。加载\u iris（）
feature\u columns=skflow。从输入（iris.data）推断\u实值\u列\u
警告：TyoSoFr:FLUAT64不支持许多模型，考虑铸造到FLUAT32。
分类器=skflow.LinearClassifier（特征列=feature列，n类=3）
fit（x=iris.data，y=iris.target，步长=20000）
预测=列表（分类器.predict（iris.data，as_iterable=True））
分数=度量。准确度\分数（iris.target，预测）
打印（“精度：%f”%score）
#准确度：0.980000

或者，您也可以使用

evaluate

方法，使用单个命令进行计算：

accurity\u score=classifier.evaluate（iris.data，iris.target）[“accurity”]
打印（“精度：%f”%accurity\u score）
#准确度：0.980000

该警告是由于

iris.data

为

float64

-它似乎不会影响此处的任何内容，但您始终可以将其强制转换为

float32

tf.contrib.learn

，以及这个简短的代码，可能也很有用

通过以下方式进行测试：

• Python 3.5.3
• Tensorflow 1.2.1
• scikit学习0.18.1
• Windows 7（64位）

---

您应该检查一下示例。“任何帮助都将不胜感激”-但您似乎不感激我的回答…我的道歉是因为我外出工作，所以无法学习。您的代码已经运行，我已经将其标记为有效。