Я должен тренировать модель Keras с вектором входных объектов из Pandas кадра данных. Я построил фрейм данных на других этапах предварительной обработки и слияния фреймов. Конечный фрейм данных имеет такую структуру:
df:
f1 f2 ... Feature_vector_1 ... Feature_vector_n
0 1 2 ... [-1, 0.2 , 0.5 ... [-0.14, 0.6282, 0.292, 0.43...
1 5 2 ... [1, 0.015, 0.10.... [14611, 0.3602, 0.292, 0.43...
...
200000000 13 0 ... [1.15, 0.05, 0.0.... [15, -2, .009, 47...
Модель Keras требует в качестве входных данных подмножество этих столбцов. Например, мы можем выбрать f1, f2, feature_vector_1. В настоящее время я могу обучить модель в версии 'flat flat' dataframe, где столбцы, содержащие векторы, развернуты в различных столбцах. Затем я добавляю вместе значения признаков и вектор признаков. Последнее путем извлечения начальной позиции столбца (при условии pos1) и конечного столбца (при условии pos2) и использованием ilo c на фрейме данных:
my_model.fit( x= [training_data.f1, training_data.f2, training_data.iloc[:, pos1:pos2])
y= training_data.out)
Мне не нравится этот способ выбора входных данных и Я хотел бы вводить данные таким образом :
my_model.fit(x = [training_data.f1, training_data.f2, training_data.feature_vector_1], y= training_data.out))
Какой лучший способ продолжить в этом Ситуация, избегая построения других структур данных и избегая дальнейшего использования ОЗУ?
Большое спасибо!