Ich fange gerade erst mit Deep Learning und Python an und bin bereits an diesem Fehler festgehalten, wenn ich versuche, das Modell zu trainieren. , aber ich habe offensichtlich einige Grundlagen nicht erfasst. und prognostizieren Sequenzen von 5 Werten. />
Können Sie mir helfen zu verstehen, was ich verpasse? >
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import os
from sklearn.preprocessing import MinMaxScaler
from collections import deque
import random
# load the data set
df = pd.read_csv('DataSet.csv',delimiter=',',usecols=['Wheel','Date','1ex','2ex','3ex','4ex','5ex'])
# divide it into portions
times = sorted(df.index.values) # get the times
last_10pct = sorted(df.index.values)[-int(0.1*len(times))] # get the last 10% of the times
last_20pct = sorted(df.index.values)[-int(0.2*len(times))] # get the last 20% of the times
test_df = df[(df.index >= last_10pct)]
validation_df = df[(df.index >= last_20pct) & (df.index < last_10pct)]
train_df = df[(df.index < last_20pct)] # now the train_df is all the data up to the last 20%
# drop 'Date' column
train_df.drop(columns=["Date"], inplace=True)
validation_df.drop(columns=["Date"], inplace=True)
test_df.drop(columns=["Date"], inplace=True)
# the model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
# from tensorflow.keras.layers import LSTM
from tensorflow.keras.wrappers.scikit_learn import KerasRegressor
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
# define base model
def baseline_model():
# scale = StandardScaler()
# create model
model = Sequential()
model.add(Dense(5, input_dim=5, kernel_initializer='normal', activation='relu'))
model.add(Dense(15, kernel_initializer='normal', activation='relu'))
model.add(Dense(15, kernel_initializer='normal', activation='relu'))
model.add(Dense(5, kernel_initializer='normal', activation = softmax))
# Compile model
# model.compile(loss='mean_absolute_error', optimizer='adam')
model.compile(loss='mean_squared_error', optimizer='adam')
# model.fit(train_df, epochs = 5)
return model
# train the model
baseline_model.fit(train_df, batch_size=1, epochs=200, verbose=1)
Ich fange gerade erst mit Deep Learning und Python an und bin bereits an diesem Fehler festgehalten, wenn ich versuche, das Modell zu trainieren. , aber ich habe offensichtlich einige Grundlagen nicht erfasst. und prognostizieren Sequenzen von 5 Werten. /> Können Sie mir helfen zu verstehen, was ich verpasse? >
[code]import numpy as np import matplotlib.pyplot as plt import pandas as pd import os from sklearn.preprocessing import MinMaxScaler
from collections import deque import random
# load the data set df = pd.read_csv('DataSet.csv',delimiter=',',usecols=['Wheel','Date','1ex','2ex','3ex','4ex','5ex'])
# divide it into portions
times = sorted(df.index.values) # get the times last_10pct = sorted(df.index.values)[-int(0.1*len(times))] # get the last 10% of the times last_20pct = sorted(df.index.values)[-int(0.2*len(times))] # get the last 20% of the times
test_df = df[(df.index >= last_10pct)] validation_df = df[(df.index >= last_20pct) & (df.index < last_10pct)] train_df = df[(df.index < last_20pct)] # now the train_df is all the data up to the last 20%
# drop 'Date' column train_df.drop(columns=["Date"], inplace=True) validation_df.drop(columns=["Date"], inplace=True) test_df.drop(columns=["Date"], inplace=True)
# the model
from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense # from tensorflow.keras.layers import LSTM from tensorflow.keras.wrappers.scikit_learn import KerasRegressor from sklearn.model_selection import cross_val_score from sklearn.model_selection import KFold from sklearn.preprocessing import StandardScaler from sklearn.pipeline import Pipeline
Ich habe einige scRNA-seq-Daten von GSE214966 analysiert, als ich beim Ausführen der Funktion cnv_score() aus dem Paket infercnvpy auf ein Problem stieß. Es löst ständig einen AttributeError aus:...
Ich versuche, Daten mit scipy.odr in einem Jupyter -Notizbuch anzupassen, aber ich erhalte immer wieder einen AttributeError. Der relevante Code ist unten,
from scipy.odr import *
Ich habe die folgende case-Anweisung in meinem Code:
status = case(
(
orders.c.item_delivered.is_(True),
OrderStatus.DELIVERED.value,
),
(
orders.c.order_processing_status ==...
Ich habe die folgende case-Anweisung in meinem Code:
status = case(
(
orders.c.item_delivered.is_(True),
OrderStatus.DELIVERED.value,
),
(
orders.c.order_processing_status ==...