使用Pandas DataFrame与Keras训练ANN时遇数据适配器匹配错误

问题原因 #

从错误详情能明确看到，你的X_train和y_train都是Pandas DataFrame类型。对于二分类的客户流失预测任务，Keras的model.fit()期望标签y是一维结构（比如Pandas Series或NumPy数组），而非二维的DataFrame，这才导致数据适配器无法识别输入格式。

解决方法 #

方法1：将y转换为NumPy数组 #

直接调用.values或.to_numpy()方法，把y_train转成NumPy一维数组：

model.fit(X_train, y_train.values, epochs=100)
# 或者用to_numpy()更规范
model.fit(X_train, y_train.to_numpy(), epochs=100)

方法2：将y转换为Pandas Series #

如果y_train是单列DataFrame，通过取列名或.squeeze()方法降维成Series：

# 假设y_train的列名为'churn'
model.fit(X_train, y_train['churn'], epochs=100)
# 或者用squeeze自动处理单列降维
model.fit(X_train, y_train.squeeze(), epochs=100)

方法3：统一转换X和y为NumPy数组（可选） #

虽然Keras支持直接用DataFrame作为特征输入，但统一转成NumPy数组也能彻底解决格式问题：

model.fit(X_train.to_numpy(), y_train.to_numpy(), epochs=100)

修改后的完整代码示例 #

import tensorflow as tf
from tensorflow import keras

model = keras.Sequential([
    keras.layers.Dense(26, input_shape=(26,), activation='relu'),
    keras.layers.Dense(15, activation='relu'),
    keras.layers.Dense(1, activation='sigmoid')
])

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

# 转换y_train为NumPy数组后训练
model.fit(X_train, y_train.to_numpy(), epochs=100)

内容的提问来源于stack exchange，提问作者RAKIB23424