ValueError：无法从形状（2712,1）中广播输入阵列（2712，）

Question

我正在为分类问题建立神经网络模型，该模型决定客户是否会流失，输出是二进制0和1。我还使用了随机森林模型和XGBoost模型。他们都工作了。我将随机森林与Xgboost结合在一起，效果很好。

但是，当我使用投票分类器将随机森林（Xgboost）与神经网络（KERAS分类器）结合在一起时，我得到了错误值：无法从形状（2712,1）中广播输入阵列（2712，2712，

from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import StratifiedKFold
from sklearn.model_selection import cross_val_score
import numpy


 
# Function to create model, required for KerasClassifier
def create_model():
    # create model
    model = Sequential()
    model.add(Dense(12, input_dim=17, activation='relu'))
    model.add(Dense(8, activation='relu'))
    model.add(Dense(1,activation='sigmoid'))
# Compile model
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model


# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)

# create model


Kc_model = KerasClassifier(build_fn=create_model)
#model.set_params(epochs=100, batch_size=10, verbose=0)
Kc_model._estimator_type = "classifier"

Kc_model.fit(X_train, y_train, epochs=100,batch_size=10)


print("The accuracy score for Keras Model is")
print("Test set: {}%".format(round(Kc_model.score(X_test, y_test)*100))) 

）以下投票分类器的代码：

 from keras.wrappers.scikit_learn import KerasClassifier
import scikeras
from tensorflow import keras


voting = VotingClassifier(
    estimators = [('rf',rf),('xgboost_model',xgboost_model),('Kc_model',Kc_model) ],
    voting='hard')
#reshaping=y_test.reshape(2712,1)
voting_model =voting.fit(X_train, y_train)
voting_pred = voting_model.predict(X_test)
#Model Score
print("The accuracy score for Voting Classifier is")
print("Training:{}%".format(round(voting_model.score(X_train, y_train)*100)))
print("Test set: {}%".format(round(voting_model.score(X_test, y_test)*100)))

Answer 1

似乎您的分类器之一以Shape （2712,1）（2d）输出预测，而一个带有Shape （2712，）（1d）的预测。 投票Classifier无法将2D和1D预测结合在一起，因此您会出现错误。

我建议仔细查看您的分类器的预测。尝试使它们具有相同数量的尺寸的输出预测。