如何在Keras中将矩阵输入转为单值输出并解决样本数不匹配问题

错误原因 #

你的输入矩阵X包含5个样本（每行对应一个样本，共5行），但输出Y仅包含1个样本，两者样本数量不匹配，导致Keras抛出样本数不一致的错误。根据你的目标，分两种场景给出修改方案：

场景1：每个输入样本对应一个输出值（常规回归任务） #

如果需求是让模型学习每行输入对应一个输出值，需为每个输入样本分配对应标签，保证X和Y的样本数一致（均为5）。

修改后的代码：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense

# Input (5个样本，每个样本4个特征)
X = np.array([[1, 2, 3, 4],
              [2, 3, 4, 5],
              [3, 4, 5, 6],
              [4, 5, 6, 7],
              [5, 6, 7, 8]])

# Output：每个样本对应一个值，共5个（可替换为真实业务标签）
Y = np.array([-1, -2, -3, -4, -5])

# 创建模型
model = Sequential()
model.add(Dense(10, input_dim=4, activation='relu'))
model.add(Dense(1, activation='linear'))

# 编译模型
model.compile(loss='mean_squared_error', optimizer='adam')

# 训练：样本数匹配，可正常运行
model.fit(X, Y, epochs=10, batch_size=1, verbose=1)

# 预测
new_data = np.array([[6, 7, 8, 9]])
pred = model.predict(new_data)
print("Prediction:", pred)

场景2：整个输入矩阵作为单个样本，输出单个值 #

如果需求是把整个5×4的矩阵作为一个输入样本，输出一个值，需调整X的形状，让它成为1个样本（样本维度放在第一维），同时保持Y的样本数为1。

修改后的代码：

import numpy as np
from keras.models import Sequential
from keras.layers import Dense

# Input：将5×4矩阵展平为1个样本，形状变为(1, 20)
X = np.array([[1, 2, 3, 4],
              [2, 3, 4, 5],
              [3, 4, 5, 6],
              [4, 5, 6, 7],
              [5, 6, 7, 8]]).reshape(1, -1)

# Output：1个样本对应1个值
Y = np.array([-1])

# 创建模型：输入维度改为20（展平后的特征数）
model = Sequential()
model.add(Dense(10, input_dim=20, activation='relu'))
model.add(Dense(1, activation='linear'))

# 编译模型
model.compile(loss='mean_squared_error', optimizer='adam')

# 训练：样本数均为1，可正常运行
model.fit(X, Y, epochs=10, batch_size=1, verbose=1)

# 预测：新数据需保持相同形状（1个样本，展平为20维）
new_data = np.array([[6, 7, 8, 9],
                     [7, 8, 9, 10],
                     [8, 9, 10, 11],
                     [9, 10, 11, 12],
                     [10, 11, 12, 13]]).reshape(1, -1)
pred = model.predict(new_data)
print("Prediction:", pred)

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