Ошибка типа: предиката () отсутствует 1 обязательный позиционный аргумент: 'X' - PullRequest
Новая
       11

Ошибка типа: предиката () отсутствует 1 обязательный позиционный аргумент: 'X'

0 голосов
/ 24 января 2020

Я пытаюсь использовать scikit-learn в сочетании с Keras (бэкэнд Theano) для оптимизации некоторых гиперпараметров моей нейронной сети, однако я продолжаю получать ту же ошибку (как указано в заголовке). Я не уверен, как обойти это. Вот мой код для импорта набора данных: 

import pandas as pd

df=pd.read_csv(r'C:\Users\Vikram\OneDrive\Documents\Videos\Documents\PERTH-USD_JPY_D.csv')
print(df.head())

Код для изменения бэкэнда на Theano: 

import theano
import os
os.environ['KERAS_BACKEND'] = 'theano'
import keras
# Using Theano backend.

Предварительные данные: 

from keras import regularizers
from keras import layers
from keras.constraints import maxnorm

import pylab as pl
import numpy as np
import scipy.optimize as opt
from sklearn import preprocessing
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler

Определение входных данных и вывод: 

X = df[['Ask High', 'Bid Low', 'Ask Low', 'Bid Average', 'Ask Average']]
X = X.values

min_max_scaler = MinMaxScaler()
feature_mtx = min_max_scaler.fit_transform(X)
print(X.shape)


y = df[['Bid High']]
y=y.values
y=y.ravel()
print(y.shape)

Разделить на данные обучения и тестирования: 

from sklearn.model_selection import train_test_split 
X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.1, random_state=4) 

X_train, y_train = np.array(X_train), np.array(y_train)
print ('Train set:', X_train.shape, y_train.shape) 
print ('Test set:', X_test.shape, y_test.shape)

Преобразование входов в 3D-векторы для совместимости с LSTM: 

X_train = np.reshape(X_train, (X_train.shape[0], 1, X_train.shape[1]))
X_test = np.reshape(X_test, (X_test.shape[0], 1, X_test.shape[1]))
print(X_train.shape)
print(X_test.shape)

Построить нейронную сеть : 

def model_build(rate=0.1, max_value=3):
  model = keras.Sequential()
  model.add(layers.LSTM(180, activation='tanh', input_shape = (X_train.shape[1], X_train.shape[2]), return_sequences=True))
  model.add(layers.LSTM(100, activation='tanh', bias_regularizer=regularizers.l1(0.01), return_sequences=True))
  model.add(layers.Dropout(rate=0.1))
  model.add(layers.LSTM(100, activation='tanh', return_sequences=True))
  model.add(layers.Dense(100, kernel_initializer='random_normal', bias_regularizer=regularizers.l1(0.01), kernel_constraint=maxnorm(max_value=3), activation='relu'))
  model.add(layers.Flatten())
  model.add(layers.Dense(1, kernel_initializer='random_uniform', activation='linear'))

  model.compile(optimizer=keras.optimizers.Adam(), loss='mean_squared_error', metrics=['mean_absolute_error'])
  return model

Использовать оболочку KerasRegressor для scikit-learn: 

from keras.wrappers.scikit_learn import KerasRegressor
model_2 = KerasRegressor(build_fn=model_build, epochs=3, batch_size=10, verbose=0)

Алгоритм оптимизации гиперпараметров: 

from sklearn.model_selection import RandomizedSearchCV
max_value = [1, 2, 3, 4, 5]
rate = [0.0, 0.1, 0.2, 0.3, 0.4, 0.5]
param_grid = dict(max_value=max_value, rate=rate)
rand=RandomizedSearchCV(model_2, param_grid, cv=3)
rand.fit(X_train, y_train)
print("Best: %f using %s" % (rand.best_score_, rand.best_params_))
yhat=rand.predict(X_test)

Метрика регрессии c: 

from sklearn.metrics import explained_variance_score
expvar=explained_variance_score(y_test, yhat, multioutput='uniform average')
print(expvar)

И это моя ошибка, где определено yhat: 

TypeError: predict() missing 1 required positional argument: 'X'

РЕДАКТИРОВАТЬ: Вот полный ответ для ошибки: 

Traceback (most recent call last):

  File "<ipython-input-1-5f9c97171748>", line 1, in <module>
    runfile('C:/Users/Vikram/.spyder-py3/temp.py', wdir='C:/Users/Vikram/.spyder-py3')

  File "C:\Users\Vikram\Anaconda3\lib\site-packages\spyder_kernels\customize\spydercustomize.py", line 827, in runfile
    execfile(filename, namespace)

  File "C:\Users\Vikram\Anaconda3\lib\site-packages\spyder_kernels\customize\spydercustomize.py", line 110, in execfile
    exec(compile(f.read(), filename, 'exec'), namespace)

  File "C:/Users/Vikram/.spyder-py3/temp.py", line 71, in <module>
    yhat=rand.predict(X_test)

  File "C:\Users\Vikram\Anaconda3\lib\site-packages\sklearn\utils\metaestimators.py", line 116, in <lambda>
    out = lambda *args, **kwargs: self.fn(*args, **kwargs)

TypeError: predict() missing 1 required positional argument: 'X'
...