如何将参数传递给Scikit-Learn Keras模型函数 [英] How to pass a parameter to Scikit-Learn Keras model function

问题描述

我有以下代码，使用 Keras Scikit-Learn Wrapper ，它可以正常工作：

  from keras.models import从keras.layers中导入Sequential 
 import Dense 
 from sklearn导入数据集
 from keras.wrappers.scikit_learn从sklearn.model_selection导入KerasClassifier 
从sklearn.model_selection导入StratifiedKFold 
导入cross_val_score 
导入numpy作为np 
 
 $ b $ def create_model（）：
＃create model 
 model = Sequential（）
 model.add（Dense（12，input_dim = 4，init ='uniform '，activation ='relu'））
 model.add（Dense（6，init ='uniform'，activation ='relu'））
 model.add（Dense（1，init ='uniform '，activation ='sigmoid'））
＃编译模型
 model.compile（loss ='binary_crossentropy'，optimizer ='adam'，metrics = ['accuracy']）
返回模型
 
 
 def main（）：

主
的描述
 
 
 iris = datasets。 load_iris（）
 X，y = iris.data，iris.target 
 
 NOF_ROW，NOF_COL = X.shape 
 
＃使用10倍交叉验证评估
 seed = 7 
 np.random.seed（seed）
 model = KerasClassifier（build_fn = create_model，nb_epoch = 150，batch_size = 10，verbose = 0）
 kfold = StratifiedKFold n_splits = 10，shuffle = True，random_state = seed）
 results = cross_val_score（model，X，y，cv = kfold）
 
 print（results.mean（））
 ＃0.666666666667 
 
 
 if __name__ =='__main__'：
 main（）
  

可以下载 pima-indians-diabetes.data here 。

现在我想要做的是传递一个值 NOF _COL 转换为 create_model（）函数的参数如下

  model = KerasClassifier（build_fn = create_model（input_dim = NOF_COL），nb_epoch = 150，batch_size = 10，verbose = 0）
  

使用 create_model（）函数如下所示：

<$ p $创建模型
model = Sequential（）
model.add（Dense（12，input_dim = input_dim，init = 'uniform'，activation ='relu'））
model.add（Dense（6，init ='uniform'，activation ='relu'））
model.add（Dense（1，init = 'uniform'，activation ='sigmoid'））
＃编译模型
model.compile（loss ='binary_crossentropy'，optimizer ='adam'，metrics = ['accuracy']）
返回模型

但是它失败给出这个错误：

  TypeError：__call __（）至少需要2个参数（给出1个）
  

什么是正确的方法？

解决方案

您可以添加 input_dim keyarg到 KerasClassifier 构造函数：

  model = KerasClassifier（build_fn = create_model，input_dim = 5，nb_epoch = 150，batch_size = 10，verbose = 0）
  

I have the following code, using Keras Scikit-Learn Wrapper, which work fine:

from keras.models import Sequential
from keras.layers import Dense
from sklearn import datasets
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import cross_val_score
import numpy as np


def create_model():
    # create model
    model = Sequential()
    model.add(Dense(12, input_dim=4, init='uniform', activation='relu'))
    model.add(Dense(6, init='uniform', activation='relu'))
    model.add(Dense(1, init='uniform', activation='sigmoid'))
    # Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model


def main():
    """
    Description of main
    """


    iris = datasets.load_iris()
    X, y = iris.data, iris.target

    NOF_ROW, NOF_COL =  X.shape

    # evaluate using 10-fold cross validation
    seed = 7
    np.random.seed(seed)
    model = KerasClassifier(build_fn=create_model, nb_epoch=150, batch_size=10, verbose=0)
    kfold = StratifiedKFold(n_splits=10, shuffle=True, random_state=seed)
    results = cross_val_score(model, X, y, cv=kfold)

    print(results.mean())
    # 0.666666666667


if __name__ == '__main__':
    main()

The pima-indians-diabetes.data can be downloaded here.

Now what I want to do is to pass a value NOF_COL into a parameter of create_model() function the following way

model = KerasClassifier(build_fn=create_model(input_dim=NOF_COL), nb_epoch=150, batch_size=10, verbose=0)

With the create_model() function that looks like this:

def create_model(input_dim=None):
    # create model
    model = Sequential()
    model.add(Dense(12, input_dim=input_dim, init='uniform', activation='relu'))
    model.add(Dense(6, init='uniform', activation='relu'))
    model.add(Dense(1, init='uniform', activation='sigmoid'))
    # Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

But it fails giving this error:

TypeError: __call__() takes at least 2 arguments (1 given)

What's the right way to do it?

解决方案

You can add an input_dim keyarg to the KerasClassifier constructor:

model = KerasClassifier(build_fn=create_model, input_dim=5, nb_epoch=150, batch_size=10, verbose=0)

这篇关于如何将参数传递给Scikit-Learn Keras模型函数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！