如何使用Keras与tfdatasets为多输出回归神经网络定义特征规格（feature spec）？

你遇到的问题核心在于tfdatasets的feature_spec函数不支持在公式左侧用c()包裹多个输出变量——它的公式解析逻辑只识别单个响应变量，或者用+/-组合的特征项，所以才会抛出unhandled formula operator的错误。

这里有两种可行的解决思路：

方法1：合并多输出为单个张量列 #

先把多个响应变量合并成一个张量类型的列，再用这个合并后的列作为公式的响应变量，适合多输出类型、尺度一致的回归任务：

library(keras)
library(tfdatasets)

# 将y1到y5合并为形状为(5,)的张量列，命名为y
train_dataset <- train_dataset %>%
  mutate(y = tf$stack(list(y1, y2, y3, y4, y5), axis = 1)) %>%
  # 可选：移除原单个输出列，避免后续混淆
  select(-y1, -y2, -y3, -y4, -y5)

# 正常定义特征规格
spec <- feature_spec(train_dataset, y ~ .)

方法2：传入多公式的列表 #

feature_spec支持直接传入一个公式列表，每个公式对应一个输出变量，适合每个输出有独立预处理需求的场景：

library(keras)
library(tfdatasets)

# 为每个输出变量单独定义公式，打包成列表传入
spec <- feature_spec(
  train_dataset,
  list(
    y1 ~ .,
    y2 ~ .,
    y3 ~ .,
    y4 ~ .,
    y5 ~ .
  )
)

内容的提问来源于stack exchange，提问作者bird