我正在尝试对两个深度学习模型的预测进行多数投票。y_pred 和 vgg16_y_pred 的形状均为 (200,1)，类型为“int64”。
max_voting_pred = np.array([])
for i in range(0,len(X_test)):
max_voting_pred = np.append(max_voting_pred, statistics.mode([y_pred[i], vgg16_y_pred[i]]))
我遇到以下错误：
TypeError: unhashable type: 'numpy.ndarray'
我应该如何传递数据？
问题是您正在将一个 numpy 数组列表传递给该mode函数。它需要一个值列表，或者一个带有值的 numpy 数组（基本上任何单个容器都可以，但似乎不是数组列表）。
这是因为它必须制作某种哈希映射以确定最常见的情况，因此mode。它无法散列数组列表。
一种解决方案是简单地索引每个数组中的值（这意味着mode获取整数列表）。只需将主线更改为：
max_voting_pred = np.append(max_voting_pred, mode([a[i][0], b[i][0]]))
让我知道这是否不能解决问题。
如果您想要一些可能比修复原始代码更容易的东西，请尝试使用模块中的mode函数scipy：scipy.stats.mode。
此版本允许您传递整个数组并简单地指定一个轴来计算模式。鉴于您拥有来自两个模型的完整预测向量：
将两个数组合并为一个(200, 2)矩阵的两列
results = np.concatenate((y_pred, vgg16_y_pred), axis=1)
现在，您可以在单行上对该矩阵执行模式，但只需一次操作（无需循环）：
max_votes = scipy.stats.mode(results, axis=1)
结果包含两件事。
因此，要获得您想要的结果（与您的原始结果相匹配max_voters_pred，您必须从 中获取第一个元素max_votes：
max_voters_pred = max_votes[0]