AttributeError: объект ‘float’ не имеет атрибута ‘predict’

#python #numpy #testing #reshape #conv-neural-network

#python #numpy #тестирование #изменить форму #conv-нейронная сеть

Вопрос:

у меня есть набор данных, и я использовал его для некоторой обучающей модели, включая модель CNN …. для модели CNN я изменил форму данных с 2D на 3D и с 1D на 2D…

 X_train=np.dstack(X_train).T
X_test=np.dstack(X_test).T
Y_train = np.reshape(Y_train,( Y_train.size,1))
Y_test = np.reshape(Y_test,( Y_test.size,1))
  

теперь мне нужно найти тестирование, там я был поражен, потому что уже форма была изменена… итак, при проверке формы, вызывающей проблему, кто-нибудь может это исправить

Тестирование кода

 from sklearn.metrics import confusion_matrix

for i in range(len(model)):
  print('Model',i)
  cm=confusion_matrix(Y_test,model[i].predict(X_test))
  TP=cm[0][0]
  TN=cm[1][1]
  FN=cm[1][0]
  FP=cm[0][1]

  print(cm)
  print('Testing Accuracy=',(TP TN)/(TP TN FN FP))
  print()
  

преобразование формы или любые другие идеи будут полезны

 print(X_train.shape, Y_train.shape)
print(X_test.shape, Y_test.shape)
  

форма значений перед
(5273, 17) (5273,)
(586, 17) (586,)

форма после изменения формы (5273, 17, 1) (5273, 1) (586, 17, 1) (586, 1)

Трассировка

 AttributeError                            Traceback (most recent call last)
<ipython-input-74-6a1c49606155> in <module>()
      4 for i in range(len(model)):
      5   print('Model',i)
----> 6   cm=confusion_matrix(Y_test,model[i].predict(X_test))
      7   TP=cm[0][0]
      8   TN=cm[1][1]

AttributeError: 'float' object has no attribute 'predict'
  

Комментарии:

1. Можете ли вы определить форму Y_train и Y_test до и после изменения формы

2. Почему вы делаете model[i].predict ? Могу ли я узнать, какую модель вы используете для ее вывода?

3. Я просто хочу знать, что находится внутри модели. Похоже, что вы не вызываете функцию прогнозирования модели, а присваиваете простое значение с плавающей запятой. Просто разместите свой код на какой-нибудь размещенной платформе.. Я буду рад отлаживать

4. похоже, что я делал только в предыдущих моделях… я получил значение score () для каждой модели… и для тестирования я перечислил их в цикле @RaghavGupta