构建AI癌症分类模型遇Data cardinality错误，求修复方案

核心错误原因 #

报错Data cardinality is ambiguous是因为训练集的特征数据（x_train）和标签数据（y_train）样本数量不匹配，根源是train_test_split的返回值顺序写错。

代码中的具体问题及修复步骤 #

1. 训练集/测试集拆分顺序错误 #

原代码：

x_train, x_test, y_test, y_train = train_test_split(x, y, test_size=0.2)

train_test_split的标准返回顺序是x_train, x_test, y_train, y_test，你把y_train和y_test写反了，导致y_train实际是测试集标签，样本数仅为总数据的20%，和x_train的80%样本数不匹配。

修复后：

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)

2. 输入层input_shape参数错误 #

原代码：

model.add(tf.keras.layers.Dense(256, input_shape=x_train.shape, activation='sigmoid'))

input_shape需要指定单个样本的特征维度，而非整个训练集的形状。x_train.shape返回(样本数, 特征数)，应取第二个维度即特征数量。

修复后：

model.add(tf.keras.layers.Dense(256, input_shape=(x_train.shape[1],), activation='sigmoid'))

3. 损失函数名称拼写错误 #

原代码：

model.compile(optimizer='adam', loss='binary_crossentrop', metrics=['accuracy'])

损失函数binary_crossentropy少写了最后一个字母y，会导致无法识别该损失函数。

修复后：

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

完整修复后的代码 #

import pandas as pd
dataset = pd.read_csv('cancer.csv')

x = dataset.drop(columns=["diagnosis(1=m, 0=b)"])
y = dataset["diagnosis(1=m, 0=b)"]

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)

import tensorflow as tf       
model = tf.keras.models.Sequential()

model.add(tf.keras.layers.Dense(256, input_shape=(x_train.shape[1],), activation='sigmoid'))
model.add(tf.keras.layers.Dense(256, activation='sigmoid'))
model.add(tf.keras.layers.Dense(1, activation='sigmoid'))

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

model.fit(x_train, y_train, epochs=1000)

内容的提问来源于stack exchange，提问作者user24242174