具有多个特征的线性回归-使用数组训练神经网络后如何进行预测

Question

我按照此处的教程设计了一个人工神经网络模型：https://www.tensorflow.org/tutorials/keras/regression

[之后，我使用model.save（）保存了模型，并尝试将其加载到其他笔记本中，因为这是我希望人们使用经过训练的模型（导入它们）的方式。另外，我正在尝试设计一个代码，使我可以预测我想要的任意数量的值（6、7、8、2，无论如何），所以我正在尝试将此预测数据放入数组中，以将其馈送到model_predict 。

我试图做出一个简单的预测，但每次都失败。在这种情况下如何使用model.predict（）？

这是我尝试使用的代码：

import pandas as pd
from sklearn import datasets
import tensorflow as tf
import itertools

model = tf.keras.models.load_model('MPG_Model.model')

prediction_input = {
    'Cylinders' : [4],
    'Displacement' : [140.0],
    'Horsepower' : [86.0],
    'Weight' : [2790.0],
    'Acceleration' : [15.6],
    'Model Year' : [82],
    'Origin' : [1],
}

dataset = tf.convert_to_tensor(prediction_input)
predictions = model.predict(dataset).flatten()

它返回以下错误消息：

ValueError: Attempt to convert a value ({'Cylinders': [4], 'Displacement': [140.0], 'Horsepower': [86.0], 'Weight': [2790.0], 'Acceleration': [15.6], 'Model Year': [82], 'Origin': [1]}) with an unsupported type (<class 'dict'>) to a Tensor.

我该怎么办？

Answer 1

您在评论中描述的错误是由于模型需要输入大小（9，n）而引起的，其中'n'是您要输入的数据点数-这就是为什么它要求(9,)的原因。但是，当您尝试进行预测时，实际上输入的是一个大小为9的向量，其二维值为（1，9）-这就是为什么它表示得到(1,)的原因。您可以通过将输入从（1，9）重塑为（9，1）来解决此问题。在调用predict()方法之前执行此操作：