訓練任意長度的輸入和目標的數據

Question

我想知道是否有任何方法來訓練python中的神經網絡與不同長度的輸入和目標數據。

示例文件：提前

Here is input data file

Here is output data file

感謝

Answer 1

回覆：AttributeError: 'list' object has no attribute 'values'：

您已經定義transformed_input_data和transformed_output_data都爲0型。

transformed_input_data = [[x] for x in input_data] 
transformed_output_data = [[x] for x in output_data] 

一個list沒有一個.values財產。嘗試從錯誤代碼行中刪除.values。這裏有一個簡單的例子：

from sklearn.neural_network import MLPClassifier 

mlp = MLPClassifier() 

input_data = [0,1,2] 
output_data = [10,9,8] 
transformed_input_data = [[x] for x in input_data] 
transformed_output_data = [[x] for x in output_data] 

mlp.fit(X=transformed_input_data, y=transformed_output_data) 

輸出：

MLPClassifier(activation='relu', alpha=0.0001, batch_size='auto', beta_1=0.9, 
       beta_2=0.999, early_stopping=False, epsilon=1e-08, 
       hidden_layer_sizes=(100,), learning_rate='constant', 
       learning_rate_init=0.001, max_iter=200, momentum=0.9, 
       nesterovs_momentum=True, power_t=0.5, random_state=None, 
       shuffle=True, solver='adam', tol=0.0001, validation_fraction=0.1, 
       verbose=False, warm_start=False) 

FWIW，.values可作爲熊貓Series對象，做分享列出了一些特性的屬性。對於Series對象，.values將它們變成Numpy ndarray。

回覆：繪製輸出和錯誤
你想做什麼樣的陰謀？這將有助於具體並提供一些示例數據。這個問題可能最適合作爲一個單獨的問題。