Построение SVM с Tensorflow

в настоящее время у меня есть два массива numpy:

  • X - (157, 128) - 157 наборы 128 особенности
  • Y - (157) - классификации наборов признаков

это код, который я написал, чтобы попытаться построить линейную модель классификации этих особенностей.

прежде всего я адаптировал массивы к набору данных Tensorflow:

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

Я тогда попытался fit модель SVM:

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)

но это просто возвращает ошибку:

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: ''

что я делаю не так?

7
machine-learning python svm tensorflow

2 ответов

вот пример использования SVM, который не выдает ошибку:

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)

примеры, переданные оценщику SVM нужны идентификаторы строк. Вы, вероятно, можете заменить back infer_real_valued_columns_from_input, но вам нужно будет передать ему словарь, чтобы он выбрал правильное имя для столбца. В этом случае концептуально проще просто построить столбец объектов самостоятельно.

4
  • ключ self.name нет в column_to_tensors словарь вот что говорит ошибка и значение self.name - пустая строка
  • я думаю, что вы напортачили, давая аргументы tf.estimator.inputs.numpy_input_fn

  • решение может изменить строку train_input_fn на 

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

  • я думаю x аргумент должен быть массивом numpy, и вы даете ему словарь

  • я буду придерживаться их учебник и не делайте никаких фантазий 

    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)

===============обновлено==============

  • мой обновленный ответ будет специфичен для вашей ошибки
  • как говорится в ошибке self.name является пустой строкой, и эта пустая строка отсутствует в вашем словаре, который вы передаете в infer_real_valued_columns_from_input создает _RealValuedColumn объект
  • так что я нашел, отладив ошибку, что tf.contrib.learn.infer_real_valued_columns_from_input(X) X, что вы pass должен быть словарем, чтобы self.name of _RealValuedColumn объект инициализируется ключом словаря, который вы передаете

  • так вот что я сделал

    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)

  • теперь это удаляет вышеуказанную ошибку, но она дает новую ошибку TypeError: Input 'input' of 'SdcaFprint' Op has type int64 that does not match expected type of string.

  • надеюсь, вы удалите свой голос вниз
0