对于文本分类，我想使用CNN。资源为https://github.com/kk7nc/Text_Classification/blob/master/code/CNN.py
我上传了我的数据csv数据文件的内容示例如下：
文本，标签
'这是第一个文档'，1
'此文档是第二个文档'，2
行中的第一个元素是text，最后一个元素是text的类。
当我将数据拟合到模型时：
X_train_Glove,X_test_Glove, word_index,embeddings_index = loadData_Tokenizer(X_train,X_test)
model_CNN = Build_Model_CNN_Text(word_index,embeddings_index, 17) # 17 classes in my data
model_CNN.summary()
model_CNN.fit(X_train_Glove, y_train,
validation_data=(X_test_Glove, y_test),
epochs=1000,
batch_size=128,
verbose=2)
predicted = model_CNN.predict(X_test_Glove)
predicted = np.argmax(predicted, axis=1)
print(metrics.classification_report(y_test, predicted))找不到可以处理输入的数据适配器：<class 'numpy. ndarray'>，（<class 'list'>包含类型{"<class 'float'>"}的值）
我该怎么解决这个问题？
2条答案
按热度按时间abithluo1#
我也面对过同样的案子
将ANN拟合到训练集
model.fit（X_train，y_train，batch_size = 20，epochs = 50，verbose=1）
ValueError：找不到可以处理输入的数据适配器：<class 'numpy. ndarray'>，（<class 'list'>包含类型'（<class ' list '>包含类型{"<class ' float '>"}）'}的值）
pbossiut2#
回答问题。
根据我的经验，model.fit在x_train和y_train具有相同类型时可以工作，即两个数组或两个列表。因此，在两个参数中使用相同的数据类型。