TensorFlow二分类训练报错：字符串转浮点数不支持问题排查

报错原因 #

你遇到的UnimplementedError: Cast string to float is not supported错误，核心原因是分类标签（y_train/y_test）仍为字符串类型（原始数据中是'positive'或'negative'）。而你使用的binary_crossentropy二分类损失函数，要求标签必须是数值型（0/1），TensorFlow无法自动将字符串直接转换为浮点数用于损失计算，因此触发该错误。

解决方案 #

只需要将字符串标签转换为数值型即可，以下两种方法任选其一：

方法1：使用Pandas的map函数直接映射 #

在提取标签前，先对df['sentiment']进行转换：

# 替换原始代码中y = df['sentiment']这一行
df['sentiment'] = df['sentiment'].map({'positive': 1, 'negative': 0})
y = df['sentiment']

方法2：使用sklearn的LabelEncoder编码 #

导入LabelEncoder后对标签进行转换：

from sklearn.preprocessing import LabelEncoder

# 替换原始代码中y = df['sentiment']这一行
le = LabelEncoder()
y = le.fit_transform(df['sentiment'])

验证与执行 #

修改标签处理代码后，重新执行train_test_split分割数据集，此时y_train和y_test会变成数值类型（0或1），再运行model.fit()即可正常训练。

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