对篮球数据实施张量回归模型

Question

我按照以下指南关注张量流回归模型：https://www.tensorflow.org/tutorials/keras/basic_regression

使用篮球数据。我想根据大学统计数据预测NBA职业生涯的长度。我目前有以下格式的标准化数据：

然后我根据上面链接中的代码构建以下模型：

def build_model():
  model = keras.Sequential([
    keras.layers.Dense(64, activation=tf.nn.relu,
                       input_shape=(train.shape[1],)),
    keras.layers.Dense(64, activation=tf.nn.relu),
    keras.layers.Dense(1)
  ])

  optimizer = tf.train.RMSPropOptimizer(0.001)

  model.compile(loss='mse',
                optimizer=optimizer,
                metrics=['mae'])
  return model

model = build_model()
model.summary()

哪个似乎工作正常。然而，当我尝试运行模型并使用以下代码记录历史记录时：

EPOCHS = 200

labels = ['Age','G','FG','FGA','X3P','X3PA','FTA','TRB','AST','STL','BLK','Wt','final_ht','colyears','nbayears']

# Store training stats
history = model.fit(train, labels, epochs=EPOCHS, validation_split=0.2, verbose=0)

这给了我一个错误：'str'对象没有属性'ndim'，我无法理解它的含义。难道我做错了什么？

Answer 1

当你调用模型的.fit函数时，第二个参数应该代表你的目标变量（NBA职业生涯长度）。这将是一维数组，而不是您尝试传递给函数的列表。

这应该可以解决问题。