Tensorflow Typeerror: ‚Serie‘ Objekte sind wandelbar, so können sie nicht gehasht werden

Question

Ich versuche, eine einfache logistische Regression mit Tensor Fluss zu bauen, aber ich diesen Fehler:

TypeError: 'Series' objects are mutable, thus they cannot be hashed 

Das ist mein code:

data = pd.read_csv(data_file,sep=";",names=header) 
... 
n = data.shape[0] 
n_training_set = int(.7*n) 
df_train = data[30:n_training_set] 
df_test = data[n_training_set:] 

LABEL_COLUMN = 'action' 


CONTINUOUS_COLUMNS = ['rsi','stochk','stochd'] 
CATEGORICAL_COLUMNS = [] 

def input_fn(df): 
    # Creates a dictionary mapping from each continuous feature column name (k) to 
    # the values of that column stored in a constant Tensor. 
    continuous_cols = {k: tf.constant(df[k].values) 
        for k in CONTINUOUS_COLUMNS} 
    # Creates a dictionary mapping from each categorical feature column name (k) 
    # to the values of that column stored in a tf.SparseTensor. 
    categorical_cols = {k: tf.SparseTensor(
     indices=[[i, 0] for i in range(df[k].size)], 
     values=df[k].values, 
     dense_shape=[df[k].size, 1]) 
         for k in CATEGORICAL_COLUMNS} 
    # Merges the two dictionaries into one. 
    feature_cols = dict(continuous_cols.items() + categorical_cols.items()) 
    # Converts the label column into a constant Tensor. 
    label = tf.constant(df[LABEL_COLUMN].values) 
    # Returns the feature columns and the label. 
    return feature_cols, label 


def train_input_fn(): 
    return input_fn(df_train) 

def eval_input_fn(): 
    return input_fn(df_test) 

model_dir = tempfile.mkdtemp() 

CONTINUOUS_COLUMNS = ['rsi','stochk','stochd'] 

rsi = tf.contrib.layers.real_valued_column(df_train["rsi"]) 
stochk = tf.contrib.layers.real_valued_column(df_train["stochk"]) 
stochd = tf.contrib.layers.real_valued_column(df_train["stochd"]) 

### defining the model 
m = tf.contrib.learn.LinearClassifier(feature_columns=[ 
     rsi, 
     stochk, 
     stochd 

    ], 
    model_dir=model_dir) 


m.fit(input_fn=train_input_fn, steps=200) 

Wie kann ich das beheben?

Answer 1

Ihr Fehler liegt in der Nähe von:

rsi = tf.contrib.layers.real_valued_column(df_train["rsi"]) 
stochk = tf.contrib.layers.real_valued_column(df_train["stochk"]) 
stochd = tf.contrib.layers.real_valued_column(df_train["stochd"]) 

Hier können Sie als erste Parameter eine Spalte aus dem Pandas Datenrahmen passieren, aber das erste Argument tot real_valued_column der Name des Spalts sein soll. Daher ersetzen die Zeilen oben in:

rsi = tf.contrib.layers.real_valued_column("rsi") 
stochk = tf.contrib.layers.real_valued_column("stochk") 
stochd = tf.contrib.layers.real_valued_column("stochd") 

sollte zum Trick.

Siehe auch dieses section des Tutorials.