Kerasで訓練データにIDがある場合のベストプラクティスについて

###前提・実現したいこと
一般的なcsvデータをKerasに食わせて他クラス分類を行おうと思っているのですが、
訓練データに含まれるID系のデータの扱いについて困っております。
ID系を訓練データとして扱う良い方法を模索しております。

IDなどの質的変数の場合、一般的にone hot表現に変換するかと思います。
その際にどのように行えばよいのかを手探りで行っていましたが、エラーになってしまいます。

訓練データにそのようなデータが含まれていた場合のベストプラクティスをご教示願いたいです。

###発生している問題・エラーメッセージ

[[3,100,25]] というデータ(３はID)を、 to_categoricalでIDを変換し、fitを呼び出すと以下のエラーになってしまいます。

ValueError: setting an array element with a sequence.

###該当のソースコード
ショートコードですが。

python
1from keras.models import Sequential
2from keras.layers.core import Dense, Activation, Dropout
3from keras.optimizers import SGD
4import numpy as np
5from keras.utils import np_utils
6
7model = Sequential()
8model.add(Dense(64, activation='relu', input_dim=3))
9model.add(Dropout(0.5))
10model.add(Dense(64, activation='relu'))
11model.add(Dropout(0.5))
12model.add(Dense(3, activation='softmax'))
13sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
14model.compile(loss='categorical_crossentropy',
15              optimizer=sgd,
16              metrics=['accuracy'])
17y = np_utils.to_categorical(0,3)
18x_id = np_utils.to_categorical(3,4)
19model.fit(np.array([[x_id,100,25]]), y)

###試したこと
上記コード参照

###補足情報(言語/FW/ツール等のバージョンなど)
Python:3.5.3
Keras:2.0.6
Tensorflow:1.2.1
numpy:1.13.1+mkl
Anaconda3 on Windows10

行動規範の内容に同意します

回答1件

自己解決

[[3,100,25]]であれば、
[[ 0 0 0 1 100 25]]にすれば良いみたいです。

ニューラルネットワークでプロ野球選手の給与を査定してみる - Qiita

以下、実装のショートコードです。

python
1from keras.models import Sequential
2from keras.layers.core import Dense, Activation, Dropout
3from keras.optimizers import SGD
4import numpy as np
5from keras.utils import np_utils
6
7model = Sequential()
8model.add(Dense(64, activation='relu', input_dim=6))
9model.add(Dropout(0.5))
10model.add(Dense(64, activation='relu'))
11model.add(Dropout(0.5))
12model.add(Dense(3, activation='softmax'))
13sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
14model.compile(loss='categorical_crossentropy',
15              optimizer=sgd,
16              metrics=['accuracy'])
17model.summary()
18y = np_utils.to_categorical(0,3)
19x_id = np_utils.to_categorical(3,4).flatten()
20x = [100,25]
21x = x_id.tolist() + x
22model.fit(np.array([x]), y)