训练房价预测神经网络出现InvalidArgumentError求助

核心问题：损失函数与任务类型不匹配 #

• SparseCategoricalCrossentropy的定位：这个损失函数专为多分类任务设计，要求标签是离散的类别索引（如0、1、2等代表不同类别）。如果未设置from_logits=True，模型输出会经softmax归一化到[0,1]区间，此时标签必须是合法的类别索引，不能是连续数值。
• 你的任务属性：房价预测是典型的回归任务，目标是预测连续的房价数值，而非离散类别。直接将连续房价（如611657）作为标签传入该损失函数，必然触发范围错误——该函数默认只接受符合类别索引规则的离散值，无法处理这类远超[0,1]范围的连续数值。
• 报错的直接诱因：错误提示中的[0,1)是模型输出经softmax后的取值区间，你的标签是远大于1的连续房价，两者完全不匹配，导致标签验证环节抛出InvalidArgumentError。

修复建议 #

直接替换损失函数为回归任务专用的类型：

• 最常用的选择是MeanSquaredError()（均方误差），代码示例：

  model.compile(optimizer='adam', loss=tf.keras.losses.MeanSquaredError())
  

• 也可根据需求选择MeanAbsoluteError()（平均绝对误差）等其他回归损失函数。

内容的提问来源于stack exchange，提问作者Priniotis