训练深度学习分类模型时编码分类标签遇AttributeError，求排查

错误根源 #

• Tokenizer是专门为文本特征预处理设计的工具，它的texts_to_sequences方法会自动对输入的文本执行lower()（转小写）等字符串预处理操作。但你的labels_train和labels_test是numpy数组格式的分类标签（并非文本字符串），数组对象本身没有lower()这个字符串方法，直接调用就触发了AttributeError。
• 核心问题是你混淆了文本特征和分类标签的预处理逻辑：文本需要Tokenizer做分词、转序列，但分类标签是离散类别值，完全不需要用文本Tokenizer处理。

正确的标签处理方式 #

因为你输出层用了7个sigmoid神经元，说明是多标签分类任务（如果是单标签多分类，通常用softmax激活），需要把标签转换成独热编码格式：

• 如果标签是多标签格式（比如每个样本对应多个类别），用MultiLabelBinarizer：

  from sklearn.preprocessing import MultiLabelBinarizer
  mlb = MultiLabelBinarizer()
  labels_train_onehot = mlb.fit_transform(labels_train)
  labels_test_onehot = mlb.transform(labels_test)
  

• 如果是单标签多分类（每个样本对应一个类别），先确保标签是整数编码，再用to_categorical：

  from tensorflow.keras.utils import to_categorical
  labels_train_onehot = to_categorical(labels_train, num_classes=7)
  labels_test_onehot = to_categorical(labels_test, num_classes=7)
  

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