使用AutoKeras StructuredDataClassifier时遇InvalidArgumentError报错求助

问题根源 #

你遇到的indices[0] = -1 is not in [0, 4)错误，本质是分类任务的标签不符合AutoKeras的要求：

• StructuredDataRegressor是回归任务，仅将目标当作数值处理，因此不会涉及标签编码问题；
• StructuredDataClassifier默认要求标签是从0开始的连续非负整数，用来作为类别索引。如果你的标签是离散浮点值（比如0.75、1.0），哪怕转成整数（比如3、4），只要不是从0开始的连续序列，就会触发索引越界错误。

具体解决方案 #

1. 检查目标变量的唯一值 #

先确认目标变量的类别数量和具体取值：

print("训练集目标唯一值：", y_train.unique())
print("测试集目标唯一值：", y_test.unique())

比如你的示例中目标值为0.75、1.0，属于离散类别，需要转换成0、1这类连续整数索引。

2. 重新编码标签为连续整数 #

使用sklearn.preprocessing.LabelEncoder将目标值映射为从0开始的连续整数：

from sklearn.preprocessing import LabelEncoder

le = LabelEncoder()
y_train = le.fit_transform(y_train)
y_test = le.transform(y_test)

# 确认编码后的标签范围
print("编码后训练集标签范围：", y_train.min(), "到", y_train.max())

处理后标签会变成0、1、2...的连续序列，符合AutoKeras分类器的要求。

3. 排查异常值与缺失值 #

确保目标变量中没有-1、NaN这类无效值，它们也会导致索引错误：

# 检查缺失值
print("训练集目标缺失值数量：", y_train.isna().sum())
print("测试集目标缺失值数量：", y_test.isna().sum())

# 检查负数值
print("训练集目标负数值数量：", (y_train < 0).sum())
print("测试集目标负数值数量：", (y_test < 0).sum())

若存在缺失值，可通过填充或删除样本处理；若有负数值，需确认是否为无效标签并修正。

4. 确保标签为整数类型 #

编码后的标签需要是整数类型，而非浮点型：

y_train = y_train.astype(int)
y_test = y_test.astype(int)

泰坦尼克数据集正常的原因 #

泰坦尼克的目标变量（生存/死亡）本身就是0、1这类连续整数标签，完全匹配AutoKeras分类器的要求，因此不会触发错误。

内容的提问来源于stack exchange，提问作者juanmac