训练RNN/LSTM模型时出现KeyError等于length值的问题求助

核心原因 #

出现KeyError: 60（错误值随length参数同步变化）的本质是**TimeseriesGenerator在匹配输入序列与目标值时，无法找到对应索引的目标行**。

TimeseriesGenerator的工作逻辑是：对长度为N的输入数据X，生成N - length个训练样本。第i个样本的输入为X[i:i+length]，对应的目标值是Y[i+length]。如果你的Y_train/Y_test索引不是连续整数（比如存在索引缺失、从非0值开始），或者Y的行数少于X的行数，就会出现无法找到i+length索引的KeyError。

解决方案 #

1. 重置目标数据集索引 #

确保Y_train和Y_test的索引是从0开始的连续整数，执行以下代码：

Y_train = Y_train.reset_index(drop=True)
Y_test = Y_test.reset_index(drop=True)

2. 验证数据集行数匹配 #

确认Y_train.shape[0] == X_train_s.shape[0]、Y_test.shape[0] == X_test_s.shape[0]。如果行数不匹配，检查数据拆分流程，确保X与Y的样本一一对应。

额外注意事项 #

• 模型输出为3个神经元，使用binary_crossentropy损失函数需谨慎：如果是多分类任务，建议改用categorical_crossentropy并确保目标值为独热编码格式；如果是多标签分类，binary_crossentropy可行，但需确认目标值是0/1的多列格式。
• EarlyStopping监控val_accuracy，但模型编译时未指定metrics=['accuracy']，会导致训练过程无法计算验证准确率，最终触发EarlyStopping错误。建议修改编译代码：

RNN_model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

内容的提问来源于stack exchange，提问作者fede72bari