这是构建人工神经网络和分类器的代码。这是一个简单的客户流失模型，用于确定客户是否会离开银行。
#Building the ANN
import keras
from keras.models import Sequential
from keras.layers import Dense
#Initializing the ANN
classifier = Sequential()
#Adding input layer and hidden layer iinto ANN
classifier.add(Dense(6, kernel_initializer = 'glorot_uniform', activation = 'relu', input_shape =
(11,)))
#Adding second hidden layer
classifier.add(Dense(6, kernel_initializer = 'glorot_uniform', activation = 'relu'))
#Adding the output/final layer
classifier.add(Dense(1, kernel_initializer = 'glorot_uniform', activation = 'sigmoid'))
#Compiling the ANN
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics=('accuracy'))
#Fitting the ANN on trainig set using fit method
classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)
#Making prediction and analyzing the dataset
y_prediction = classifier.predict(X_test)
#Converting the probablities into definite results for model validation
y_prediction = (y_prediction > 0.5)
#Making confusion matrix for evaluating the resuts
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_prediction)
#Evaluating, improving and tuning the ANN
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from keras.models import Sequential
from keras.layers import Dense
def build_classifier():
classifier = Sequential()
classifier.add(Dense(6, kernel_initializer = 'glorot_uniform', activation = 'relu', input_shape =
(11,)))
classifier.add(Dense(6, kernel_initializer = 'glorot_uniform', activation = 'relu'))
classifier.add(Dense(1, kernel_initializer = 'glorot_uniform', activation = 'sigmoid'))
classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', metrics=('accuracy'))
return classifier
classifier = KerasClassifier(build_fn = build_classifier(), batch_size = 10, epochs = 100)
accuracies = cross_val_score(estimator = classifier, X = X_train, y = y_train, cv = 10, n_jobs = -1)
---
这就是的错误
远程跟踪："quot"追踪(最近一次通话(：文件"；C： \Users\BSNL\anaconda3\lib\site-packages\joblib\externals\loky\backend\queues.py"，第153行，进纸obj=转储(obj，reducers=reducers(文件"；C： \Users\BSNL\anaconda3\lib\site-packages\joblib\externals\loky\backend\reduction.py"，线271，在转储中dump(obj，buf，reducers=reducers，protocol=protocol(文件"；C： \Users\BSNL\anaconda3\lib\site-packages\joblib\externals\loky\backend\reduction.py"，线264，在转储中_LokyPickler(文件，reducers=reducers，protocol=protocol(.dump(obj(文件"；C： \Users\BSNL\anaconda3\lib\site-packages\joblib\externals\cloudpickle_fast.py"，管线563，在倾卸区return Pickler.dump(self，obj(TypeError:无法pickle"weakref"对象"quot">
上述异常是以下异常的直接原因：
追踪(最近一次通话(：
文件"；C： \Users\BSNL\Documents\Deep_Learning_A_Z\第1卷-有监督的深度学习\第1部分-人工神经网络(ANN(\第4节-构建ANN \ ANN.py"；，第78行，in准确度=cross_val_score(估计器=分类器，X=X_train，y=y_train，cv=10，n_jobs=-1(
文件"；C： \Users\BSNL\anaconda3\lib\site-packages\sklearn\utils\validation.py"，第72行，在inner_f中返回f(**kwargs(
文件"；C： \Users\BSNL\anaconda3\lib\site-packages\sklearn\model_selection_validation.py"；，第401行，在cross_val_scorecv_results=交叉验证(估计器=估计器，X=X，y=y，组=组，
文件"；C： \Users\BSNL\anaconda3\lib\site-packages\sklearn\utils\validation.py"，第72行，在inner_f中返回f(**kwargs(
文件"；C： \Users\BSNL\anaconda3\lib\site-packages\sklearn\model_selection_validation.py"；，第242行，in交叉验证分数=平行(
文件"；C： \Users\BSNL\anaconda3\lib\site-packages\joblib\pparallel.py"；，第1061行，调用self.retrieve((
文件"；C： \Users\BSNL\anaconda3\lib\site-packages\joblib\pparallel.py"；，行940，检索中自我_output.extend(job.get(timeout=self.timeout((
文件"；C： \Users\BSNL\anaconda3\lib\site packages\joblib_parallel_backends.py"，第542行，在包装_未来_结果返回future.result(超时=超时(
文件"；C： \Users\BSNL\anaconda3\lib\concurrent\futures_base.py"；，第432行，结果回归自我__get_result((
文件"；C： \Users\BSNL\anaconda3\lib\concurrent\futures_base.py"；，第388行，在__get_result中提升自我_异常
pickleingError:无法pickle任务以将其发送给工作者
设置n_jobs=1有效，因为我在Kerasclassifier的build_fn参数中也犯了一个放括号的错误，即使用build_classifier而不是build_classfier((。