如何在scikit learn模型中使用Tensorflow嵌入?

我正在尝试将文本数据用作线性回归模型输入,并使用tensorflow hub中的通用句子编码器将我的文本数据转换为向量作为预训练模型,但这给了我tf.tensors,现在我无法将数据分割成训练和测试集以用于scikit learn的线性回归模型,因为我的目标特征是连续的。

这给我提供了嵌入(即我的pandas数据框文本列中每个文本的形状为(1,512)的向量)

import tensorflow_hub as hub
model_url = 'https://tfhub.dev/google/universal-sentence-encoder-large/5'
model = hub.load(model_url)
embeddings = model(train['excerpt'])

数据看起来像这样:

         id                  excerpt                                  target    
0   c12129c31   When the young people returned to the ballroom...   -0.340259   
1   85aa80a4c   All through dinner time, Mrs. Fayre was somewh...   -0.315372   
2   b69ac6792   As Roger had predicted, the snow departed as q...   -0.580118   
3   dd1000b26   And outside before the palace a great garden w...   -1.054013   
4   37c1b32fb   Once upon a time there were Three Bears who li...   0.247197    

嵌入看起来像这样:

tf.Tensor: shape=(2834, 512), dtype=float32, numpy=array([[-0.06747025,  0.02054032, -0.01223458, ...,  0.03468879,        -0.04216784,  0.01212691],
       [-0.01053216,  0.01346854,  0.01992477, ...,  0.03078162,        -0.0226634 ,  0.04429556],
       [-0.10778417,  0.01735378,  0.00803178, ...,  0.00345916,         0.00552441, -0.02448413],
       ...,
       [ 0.0364146 ,  0.02996029, -0.06757646, ..., -0.00335971,        -0.01381749, -0.08319554],
       [ 0.0042374 ,  0.02291174, -0.04473154, ..., -0.02009053,        -0.00428826, -0.06476445],
       [-0.0141812 ,  0.03879716,  0.03304171, ...,  0.06709221,        -0.05016331,  0.00868828]], dtype=float32)

现在我想将这些嵌入用作scikit learn中的线性回归模型或任何回归模型的输入。但在使用train_test_split()分割数据时,出现了错误TypeError: Only integers, slices (:), ellipsis (), tf.newaxis (None) and scalar tf.int32/tf.int64 tensors are valid indices, got array([1434, 2653, 2620, ..., 749, 2114, 2389])

我分割数据的方式如下:

X_train,X_test,y_train,y_test = train_test_split(embeddings,train['target'],test_size =0.2, shuffle =True)

回答:

train_test_split中,你传递的是一个张量。相反,你应该像这样传递NumPy数组-

X_train,X_test,y_train,y_test = train_test_split(embeddings.numpy(), train['target'],test_size =0.2, shuffle =True)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注