将DataFrame传入TFDF随机森林模型时遇张量转换错误求助

核心问题原因 #

TFDF直接传入混合类型（数值+字符串分类）的Pandas DataFrame时，Pandas会将混合类型统一转为object类型的NumPy数组，导致TensorFlow无法正确解析其中的float64数值。单独转列正常是因为单列类型统一，不会触发类型混淆。

具体解决步骤 #

1. 用TFDF专属工具转换DataFrame为Dataset #

TFDF提供了pd_dataframe_to_tf_dataset函数，能自动处理混合类型特征（包括字符串分类列），是最简便的解决方案：

import tensorflow_decision_forests as tfdf

# 替换为你的目标列名和任务类型（CLASSIFICATION/REGRESSION）
train_ds = tfdf.keras.pd_dataframe_to_tf_dataset(
    valid_data,
    label="target_column",
    task=tfdf.keras.Task.CLASSIFICATION
)

# 直接用Dataset训练模型
model = tfdf.keras.RandomForestModel(task=tfdf.keras.Task.CLASSIFICATION)
model.fit(train_ds)

2. 预处理分类列后传入 #

先将字符串分类列转为Pandas分类类型，让TFDF能识别为分类特征：

# 将分类列转为Pandas分类类型
valid_data['category_col'] = valid_data['category_col'].astype('category')

# 此时可直接传入模型（TFDF会自动处理分类列编码）
model = tfdf.keras.RandomForestModel(task=tfdf.keras.Task.CLASSIFICATION)
model.fit(valid_data, valid_data['target_column'])

3. 手动构建TensorFlow Dataset（自定义场景） #

如果需要更灵活的预处理逻辑，可拆分特征后构建Dataset：

import tensorflow as tf

# 分离数值列和分类列
numeric_cols = [col for col in valid_data.columns if col != 'category_col']
category_col = 'category_col'

# 构建特征字典，分别处理数值和分类列
features = {}
for col in numeric_cols:
    features[col] = tf.convert_to_tensor(valid_data[col].values, dtype=tf.float32)
# 分类列转整数编码
features[category_col] = tf.convert_to_tensor(valid_data[category_col].cat.codes.values, dtype=tf.int32)

# 构建Dataset并设置批次
dataset = tf.data.Dataset.from_tensor_slices((features, valid_data['target_column'].values))
dataset = dataset.batch(32)

# 训练模型
model.fit(dataset)

关键注意事项 #

• TFDF的树模型优先推荐使用TensorFlow Dataset作为输入，而非直接传入DataFrame或NumPy数组，能避免类型转换问题。
• 分类列转为Pandascategory类型后，TFDF会自动按分类特征处理，无需手动做独热编码（树模型对整数编码的分类特征兼容性更好）。
• 不要直接将混合类型的整个DataFrame转为张量，这种操作会导致Pandas将所有列统一为object类型，触发TensorFlow解析错误。

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