※この記事は、個人技術ブログ CodeArchPedia.com の技術メモ（要約）です。

KerasやTensorFlowでモデル学習は問題なく終わったのに、いざpredictを叩いたらValueError: Unrecognized data typeが出てハマった。

学習時と予測時で渡すデータの形式が微妙にズレていたのが原因。データサイエンス現場でよく遭遇する、型と形状に関する地味だけど致命的な罠だった。

何が起きたか（課題）

Kerasモデルに対して、学習時と同じようにデータを与えて予測させようとした際に、以下のエラーに遭遇した。

どう解決したか（概要）

根本的な解決策は、予測処理においても学習時と全く同じデータ形式、つまりNumPy配列としてデータをモデルに渡すことだった。

入力データの確認: 予測時に渡す単一の値 n を用意する。
NumPy配列への変換: この単一の値をNumPy配列に変換する。単一入力の場合、np.array([n])という形で形状を調整する必要がある。これにより、TensorFlowが期待するテンソル形状に適合する。
predict実行: 変換後のNumPy配列をstudy_model.predict()に渡す。

以下のような形式で実行することでエラーは解消した。

result = study_model.predict(np.array([n]))[0][0]

このシンプルな変更により、データ型の不一致によるエラーが綺麗さっぱり無くなった。データの一貫性を担保する重要性を再認識した瞬間だった。

具体的なWAFのルール設定や、より詳細なログ解析データは元のブログで公開しています。