多变量LSTM输入含字符串特征报错，求保留用户ID的解决方案

错误原因 #

你的输入特征X中包含字符串类型的UserID，导致NumPy数组的 dtype 为 object，而TensorFlow的LSTM层只能处理数值型张量，无法完成类型转换，因此抛出ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type int)。

解决方案：保留UserID的数值化处理 #

要实现用户专属预测，必须将UserID转换为模型可识别的数值类型，推荐两种编码方式：

1. 标签编码（适合用户数量较少的场景） #

将每个唯一UserID映射为一个唯一整数，步骤如下：

• 用LabelEncoder对UserID进行编码
• 修改序列生成函数，使用编码后的数值列构建输入特征

from sklearn.preprocessing import LabelEncoder
import numpy as np
import pandas as pd

# 1. 对UserID做标签编码
le = LabelEncoder()
df['UserID_encoded'] = le.fit_transform(df['UserID'])

# 2. 修改序列转换函数，使用编码后的UserID和Points
def df_to_seq_X_y(df, window_size=5):
    # 只取编码后的用户ID和Points列
    df_as_np = df[['UserID_encoded', 'Points']].to_numpy()
    X = []
    y = []
    for i in range(len(df_as_np)-window_size):
        # 用原UserID判断是否为同一用户，避免编码后数值巧合相等的问题
        if df['UserID'].iloc[i] == df['UserID'].iloc[i+window_size]:
            row = [r for r in df_as_np[i:i+window_size]]
            X.append(row)
            label = df_as_np[i+window_size][1]
            y.append(label)
        else:
            continue
    return np.array(X), np.array(y)

# 生成训练/验证数据
X_train, y_train = df_to_seq_X_y(train_df)
X_val, y_val = df_to_seq_X_y(val_df)

# 验证数据类型：此时X的dtype应为int64/float32，而非object
print(X_train.dtype)  # 输出应为int64或类似数值类型

2. 嵌入层编码（适合用户数量庞大的场景） #

如果用户数量很多，标签编码会让模型错误认为ID数值有大小关系，此时可以用嵌入层单独处理UserID，构建多输入模型：

from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, LSTM, Dense, Embedding, concatenate

# 定义两个输入：用户ID序列、积分序列
user_input = Input(shape=(5,), name='user_id_input')
points_input = Input(shape=(5,1), name='points_input')

# 用户ID嵌入层：假设共有1000个唯一用户，嵌入维度设为8
user_embedding = Embedding(input_dim=1000, output_dim=8)(user_input)
# 将嵌入后的用户ID序列与积分序列拼接
concatenated = concatenate([user_embedding, points_input], axis=-1)

# LSTM层处理拼接后的序列
lstm_out = LSTM(64)(concatenated)
dense1 = Dense(8, activation='relu')(lstm_out)
output = Dense(1, activation='linear')(dense1)

# 构建多输入模型
model = Model(inputs=[user_input, points_input], outputs=output)

# 编译与训练
model.compile(loss=MeanSquaredError(), optimizer=Adam(0.0001), metrics=[RootMeanSquaredError()])
# 注意训练时要传入两个输入：用户ID序列和积分序列
model.fit(
    [X_train_user_ids, X_train_points], y_train,
    validation_data=([X_val_user_ids, X_val_points], y_val),
    epochs=10,
    callbacks=[cp1]
)

验证修改效果 #

修改后重新生成X，确认其dtype为数值类型（如int64），再运行模型训练代码，即可解决张量转换错误。同时，编码后的UserID保留了用户的身份信息，模型可以学习到不同用户的积分变化规律，实现专属预测。

内容的提问来源于stack exchange，提问作者coumbs