我需要关于进行机器学习的输入方面的帮助/意见。

我有一个hdf5文件

combined.h5

该文件包含多个数据集，每个数据集包含一个4 x 125的矩阵（4行和125列）

我一直在寻找如何将包含矩阵的hdf5文件作为机器学习的输入，但没有找到任何足够好的答案/示例供我参考。下面是我的修改后的脚本

import numpy as np
import h5py
from keras.models import Sequential
from keras.layers import Dense
seed = 7
np.random.seed(seed)
dataset = h5py.File('combined.h5', 'r') #包含5个数据集
X = dataset #输入
Y = ["A","CFL","SS","G","FF"] #输出
model = Sequential()
model.add(Dense(125, input_dim=125, init='normal', activation='relu'))
model.add(Dense(5, init='uniform', activation='sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit(X, Y, nb_epoch=150, batch_size=10)
scores = model.evaluate(X, Y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

我运行了这个脚本，得到如下错误

TypeError: Error when checking model input: data should be a Numpy array, or list/dict of Numpy arrays. Found: <HDF5 file "combined.h5" (mode r)>...

我的问题是如何加载包含矩阵形式数据集的hdf5文件作为机器学习的输入数据？

*附加问题，我想为每个数据集链接输出。例如，数据集1的输出数据为”A”，数据集2的输出数据为”CFL”，依此类推…是否有适当的方法来做这件事，还是我写的脚本已经足够了？

感谢您的帮助。

回答：

这应该适用于每个命名的数据集：

X = dataset['dataset_name'][:] #输入

要找出数据集的名称，您可以使用以下脚本：

for key in dataset.keys():
    print key

这里您将完整的数据集从文件中取出。如果您不切片数据集，您只会得到指向h5py数据集对象的指针。使用切片操作符，您可以提取numpy数组。(http://docs.h5py.org/en/latest/high/dataset.html#reading-writing-data)

您只需想象您的hdf5文件就像一个文件夹结构，您需要遍历文件夹结构以获取数据。然后，您可以使用切片来加载数据。