任意长度输入和目标的列车数据

Question

我想知道有没有办法用python来训练输入和目标数据长度不等的神经网络。你知道吗

示例文件：

Here is input data file

Here is output data file

提前谢谢

Answer 1

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

您已经将transformed_input_data和transformed_output_data都定义为类型list。你知道吗

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

list没有.values属性。尝试从引起错误的行中删除.values。下面是一个简单的例子：

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)

输出：

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，^{}是Pandas^{}对象的一个属性，它与列表共享一些属性。对于Series对象，.values将它们转换为Numpy ndarray。你知道吗

回复：打印输出和错误
你想搞什么样的阴谋？这将有助于具体化，并提供一些示例数据。作为一个单独的问题，这个问题可能是最合适的。你知道吗