エラー文の処理ができないです

Question

https://github.com/tizuo/keras/blob/master/LSTM%20with%20multi%20variables.ipynb

このサイトにあるプログラムを使って機械学習をしようと思っているのですが、
CSVファイルを作るまではできたんですがプログラムが動かない状態です。
前にも質問させていただいて、回答者の協力もありエラー文の半分くらいは処理できたんですが、
残りのエラー文が検索等おこなっても解決できず、わかる方がいれば教えてほしいです。

import numpy
import pandas
from keras.models import Sequential
from keras.layers import Dense
from keras import optimizers
from keras.wrappers.scikit_learn import KerasRegressor
from keras.wrappers.scikit_learn import KerasClassifier
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.model_selection import GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from keras.models import load_model
import os
import argparse

#----------------------------
# get command line variables
#----------------------------
parser = argparse.ArgumentParser(description='Make models by keras. Place Y on the head column in the cleaned dataset with header names on the top row. Rows containing null values will be deleated.')
parser.add_argument('--mode', choices=['create', 'predict'], dest='mode', metavar='create/predict', type=str, nargs='+', required=True,
                    help='an integer for the accumulator')
parser.add_argument('--input_file', dest='input_file', type=str, nargs='+', required=True,
                    help='path to dataset or model')
parser.add_argument('--method', choices=['binary', 'multiple', 'regression'], metavar='binary/multiple/regression', dest='method', type=str, nargs='+', required=True,
                    help='Model type you solve')
parser.add_argument('--output_file', dest='output_file', default=False, required=False,
                    help='If you input output_file it will save result as directed path.')
parser.add_argument('--model_file', dest='model_file', default=False, nargs='*',
                    help='If you input model_file it will save or load a model.')
parser.add_argument('--definition', metavar='array of data type such as str, int and float with delimiter [,]', dest='definition', default=False, nargs='*',
                    help='If you define data type of columns, send array of full column definitions.')

args = parser.parse_args()

#----------------------------
# functions
#----------------------------
class MakeModel:
	#init
	def __init__(self, args):
		self.X = self.Y = []
		self.row_length = self.column_length = 0
		self.method = args.method[0]
		self.ifp = args.input_file[0]
		
		if args.model_file != False:
			self.mfp = args.model_file[0]
		else:
			self.mfp = False
		
		if args.output_file != False:
			self.ofp = args.output_file[0]
		else:
			self.ofp = False
		
		if args.definition != False:
			self.dfin = args.definition.split(",")
		else:
			self.dfin = False
		        
	#create layers
	def create_model(self, evMethod, neurons, layers, act, learn_rate, cls, mtr):
		# Criate model
		model = Sequential()
		model.add(Dense(neurons, input_dim=self.column_length, kernel_initializer='normal', activation='relu'))
		for i in range(1, layers):
			model.add(Dense(int(numpy.ceil(numpy.power(neurons,1/i)*2)), kernel_initializer='normal', activation='relu'))
		model.add(Dense(cls, kernel_initializer='normal', activation=act))
		# Compile model
		adam = optimizers.Adam(lr=learn_rate)
		model.compile(loss=evMethod, optimizer=adam, metrics=mtr)
		return model

	#load dataset
	def load_dataset(self):
		dataframe = pandas.read_csv(self.ifp, header=0, encoding="sjis").dropna()
		if self.dfin != False:
			dataframe[dataframe.columns].apply(lambda x: x.astype(self.dfin[dataframe.columns.get_loc(x.name)]))
		dataframe_X = pandas.get_dummies(dataframe[dataframe.columns[1:]])	#create dummy variables
		if self.method == 'multiple':
			dataframe_Y = pandas.get_dummies(dataframe[dataframe.columns[0]])	#create dummy variables
		else:
			dataframe_Y = dataframe[dataframe.columns[0]]
		#print(dataframe_Y.head())
		#print(dataframe_X.head())
		self.row_length, self.column_length = dataframe_X.shape
		self.X = dataframe_X.values
		self.Y = dataframe_Y.values
			
	#train
	def train_model(self):
		#pipe to Grid Search
		estimators = []
		estimators.append(('standardize', StandardScaler()))
		
		#rely on chosen method parameters
		if self.method == 'binary':
			evMethod = ['binary_crossentropy']
			activation = ['sigmoid']
			metr = [['accuracy']]
			estimators.append(('mlp', KerasClassifier(build_fn=self.create_model, epochs=10, batch_size=200, verbose=1)))
			cls = [1]
		elif self.method == 'multiple':
			evMethod = [['categorical_crossentropy']]
			activation = ['softmax']
			metr = [['accuracy']]
			estimators.append(('mlp', KerasClassifier(build_fn=self.create_model, epochs=10, batch_size=200, verbose=1)))
			cls = [self.Y.shape[1]]
		else:
			evMethod = ['mean_squared_error']
			activation = [None]
			metr = [None]
			estimators.append(('mlp', KerasRegressor(build_fn=self.create_model, epochs=10, batch_size=200, verbose=1)))
			cls = [1]

		pipeline = Pipeline(estimators)
		
		#test parameters
		batch_size = list(set([int(numpy.ceil(self.row_length/i)) for i in [1000,300,100]]))
		epochs = [10, 50, 100]
		neurons = list(set([int(numpy.ceil(self.column_length/i)*2) for i in numpy.arange(1,3,0.4)]))
		learn_rate = [0.001, 0.005, 0.01, 0.07]
		layers = [1,2,3,4,5]
		#test parameter
		"""batch_size = [31]
		epochs = [100]
		neurons = [32]
		learn_rate = [0.01]
		layers = [5]"""
		#execution
		param_grid = dict(mlp__neurons = neurons, mlp__batch_size = batch_size, mlp__epochs=epochs, mlp__learn_rate=learn_rate, mlp__layers=layers, mlp__act=activation, mlp__evMethod=evMethod, mlp__cls=cls, mlp__mtr=metr)
		grid = GridSearchCV(estimator=pipeline, param_grid=param_grid)
		grid_result = grid.fit(self.X, self.Y)
		
		#output best parameter condition
		clf = []
		clf = grid_result.best_estimator_
		print(clf.get_params())
		accuracy = clf.score(self.X, self.Y)
		if self.method in ['binary', 'multiple']:
			print("\nAccuracy: %.2f" % (accuracy))
		else:
			print("Results: %.2f (%.2f) MSE" % (accuracy.mean(), accuracy.std()))
		
		#save model
		if self.mfp != False:
			clf.steps[1][1].model.save(self.mfp)

	#predict dataset
	def predict_ds(self):
		model = load_model(self.mfp)
		model.summary()
		sc = StandardScaler()
		self.X = sc.fit_transform(self.X)
		pr_Y = model.predict(self.X)
		if len([self.Y != '__null__']) > 0:
			if self.method == 'binary':
				predictions = [float(numpy.round(x)) for x in pr_Y]
				accuracy = numpy.mean(predictions == self.Y)
				print("Prediction Accuracy: %.2f%%" % (accuracy*100))
			elif self.method  == 'multiple':
				predictions = []
				for i in range(0, len(pr_Y)-1):
					for j in range(0, len(pr_Y[i])-1):
						predictions.append(int(round(pr_Y[i][j]) - self.Y[i][j]))
				accuracy_total = len([x for x in predictions if x == 0])/len(predictions)
				accuracy_tooneg = len([x for x in predictions if x == -1])/len(predictions)
				accuracy_toopos = len([x for x in predictions if x == 1])/len(predictions)
				print("Prediction Accuracy: %.2f%% (positive-error:%.2f%%/negative-error:%.2f%%)" % (accuracy_total*100, accuracy_tooneg*100, accuracy_toopos*100))
			else:
				accuracy = numpy.mean((self.Y - pr_Y)**2)
				print("MSE: %.2f" % (numpy.sqrt(accuracy)))
				
		#save predicted result
		if self.ofp != False:
			numpy.savetxt(self.ofp, pr_Y, fmt='%5s')

#----------------------------
# select mode
#----------------------------
m = MakeModel(args)
if args.mode == ['create']:
	#make model
	m.load_dataset()
	m.train_model()
else:
	#predict dataset                           
    m.predict_ds()
	m.load_dataset()
	m.predict_ds()

エラー文

File "auto_analyzer.py", line 190, in <module>
m.predict_ds()
File "auto_analyzer.py", line 152, in predict_ds
model = load_model(self.mfp)
File "C:\Users\shinozaki\Anaconda3\envs\jbmes\lib\site-packages\keras\engine\s
aving.py", line 417, in load_model
f = h5dict(filepath, 'r')
File "C:\Users\shinozaki\Anaconda3\envs\jbmes\lib\site-packages\keras\utils\io
_utils.py", line 197, in init
'Received: {}.'.format(type(path)))
TypeError: Required Group, str or dict. Received: <class 'bool'>.

Comments

[Lhankor_Mhy]

コードをご提示ください。

[tubusio]

すいません返信遅れました。
了解です。

[Lhankor_Mhy]

パラメータが間違っている、というのが一番ありそうな気がします。

[tubusio]

と、いいますと。。

[Lhankor_Mhy]

エラーを見ると、ファイルパスなどがあるべきところ、ブール値が入っているのが原因だと思います。
で、クラスのコードを見ると、

if args.model_file != False:
self.mfp = args.model_file[0]
else:
self.mfp = False

のような処理をしていますから、パラメータの指定が漏れているのではないかと思ったのですが……
的外れでしたでしょうか？

[tubusio]

うーん、、どうなんでしょう。。
もしそうだとしたらfileの０の部分を違う数字にかえるということですか？
学校の研究でやっているのでぜんぜん知識がなくて、、すいません

[Lhankor_Mhy]

「fileの０の部分」というのが何のことなのかわからないですが、それで動きそうなら試してみてはいかがですか？

[tubusio]

あ、すいません
file[0]の０の部分のことです

[Lhankor_Mhy]

たぶん、それは違うんじゃないですかね……
呼び出し時の --model_file パラメータを指定していないのではないか、という話です。

すみませんが、python のことはともかく、keras モジュールについて私は全然わからないので、ご理解のほどよろしくお願いします。

[tubusio]

なるほど
指定というと具体的にはどのようにプログラムをかればいいんでしょうか？

[Lhankor_Mhy]

逆に今まではどのように呼び出していたのでしょうか？

[Lhankor_Mhy]

あ、別にはぐらかしているわけではないですよ。
なにかのバッチ処理で呼んでいるのであれば、そのコードを変える必要があると思いますので、念のために聞いています。コマンドラインで呼んでいるのであれば、その呼び方をご提示ください。

[tubusio]

python auto_analyzer.py --mode predict --input_file 100.150.csv --method binary

です。

[Lhankor_Mhy]

そうすると、そのコマンドに --model_file でファイルパスを指定すればいいのではないでしょうか。

[tubusio]

なるほど、、、、
試してみます！

[tubusio]

今やってみたら今度は別のエラーが、、、ｗ

File "auto_analyzer.py", line 182, in <module>
m = MakeModel(args)
File "auto_analyzer.py", line 48, in __init__
self.mfp = args.model_file[0]
IndexError: list index out of range

[Lhankor_Mhy]

--model_file の後に何も書かなかった、とかではないですか？

[tubusio]

あ、なにも書いてないですね。
それって読み込むcsvのファイル名入れればいいんですかね。。。？
ちょっと試してみます

[tubusio]

だめでした
何のファイルを指定すればいいんですかね、、、

[Lhankor_Mhy]

うーん、ニューラルネットワークのことはよくわからないので、どちらかというとご研究をされているtubusioさんの方がご専門では……？

[tubusio]

なるほど、、ちょっといろいろ探ってみますｗ
長くつきあっていただいてありがとうございました！

[tubusio]

プログラムうごきました！
ありがとうございました！！！！

[Lhankor_Mhy]

ご解決されて何よりです。
自己解決の処理をお願いします。
https://teratail.com/help#resolve-myself