《Hands-On ML》第15章多元时间序列代码报错求助

针对你在M1 Max MacBook Pro上运行《Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow》第三版第15章代码时遇到的ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type float)问题，可按以下步骤排查解决：

• 检查并转换数据类型
  先确认数据集的 dtype：

  print(mulvar_train.dtypes)
  print(mulvar_train["rail"].dtype)
  

  如果输出包含object类型，说明数据中存在非标准数值格式，需转换为TensorFlow支持的浮点类型：

  import numpy as np
  # M1芯片对float32优化更好，转换整个数据集为该类型
  mulvar_train = mulvar_train.astype(np.float32)
  

• 修正目标序列的提取方式
  原代码中targets的切片可能保留了pandas扩展类型，显式指定dtype转换为numpy数组：

  tf.random.set_seed(42)
  
  train_mulvar_ds = tf.keras.utils.timeseries_dataset_from_array(
      mulvar_train.to_numpy(),
      targets=mulvar_train["rail"].iloc[seq_length:].to_numpy(dtype=np.float32),
      sequence_length=seq_length,
      batch_size=32,
      shuffle=True,
      seed=42
  )
  

• 验证TensorFlow环境兼容性
  M1芯片需使用适配Apple Silicon的TensorFlow版本，确保已安装tensorflow-macos和tensorflow-metal且版本匹配（建议用最新稳定版）。可通过以下命令检查：

  import tensorflow as tf
  print(tf.__version__)
  print(tf.config.list_physical_devices())
  

  若输出包含Metal设备，说明环境适配正常。

• 清理数据中的异常值
  若数据存在缺失值或非数值元素，会导致数组类型变为object，需先清理：

  import pandas as pd
  # 转换为数值类型，无法转换的设为NaN后删除对应行
  mulvar_train = mulvar_train.apply(pd.to_numeric, errors='coerce').dropna()
  

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