Keras的数据整形不能使用K-Fold验证

Question

我有一个数据集，我正在为Keras网络整形，如下所示：

scaler.fit(X)
X_Scaled = pd.DataFrame(scaler.transform(X.values), columns=X.columns, index=X.index)
X_Scaled.info()

X_data = X_Scaled.values
X_data = X_data.reshape((X_data.shape[0],X_data.shape[1],1))

y = to_categorical(y)

整形的结果是这个y.shape = (13609, 5)和X_data.shape = (13609, 61, 1)

然后，我尝试在数据集上使用KFold验证，并将Keras神经网络封装到以下循环中：

from sklearn.model_selection import KFold
num_folds = 10
kfold = KFold(n_splits=num_folds, shuffle=True)

acc_per_fold = []
loss_per_fold = []

fold_no = 1
for train, test in kfold.split(X_data, y):
    model = models.Sequential()
    model.add(Dense(128, activation='tanh' ,input_dim = 61))
    model.add(layers.Dropout(0.3))
    model.add(Dense(128, activation='relu', kernel_regularizer = keras.regularizers.l1(0.001)))
    model.add(Dense(62, activation='relu', kernel_regularizer = keras.regularizers.l2(0.001)))
    model.add(layers.Dropout(0.35))
    model.add(Dense(32, activation='relu', kernel_regularizer = keras.regularizers.l1(0.001) ))
    model.add(Dense(5, activation='softmax'))
    
    model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])
    history = model.fit(X_data[train], y[train], epochs=175,  batch_size=64, validation_split = 0.15, shuffle = True, verbose=2)
   
    #Generate generalization metrics
    scores = model.evaluate(X_data[test], y[test], verbose=0)

这个网络在没有KFold验证的情况下作为独立的网络在循环之外工作得很好，但不是在这个循环内。

我得到的错误是这样的

ValueError: Error when checking input: expected dense_66_input to have 2 dimensions, but got array with shape (12248, 61, 1)

但我不明白这两个维度是在哪里发生的。

我怀疑我错误地使用了Kfold for循环，但我找不到原因。有人能对此提出一些建议吗？谢谢

Answer 1

正如您所提到的：X_data.shape = (13609, 61, 1)，这意味着X_data有3个维度，但密集层只需要2个维度。

Answer 2

你的训练x数据有3个维度，但你的网络需要2个维度(input_dim = 61)。通过以下方式删除第三个dimensios：

X_data=np.squeeze(X_data)