训练Keras二分类模型时遇binary_crossentropy/Cast类型转换错误求助

错误原因 #

你的代码存在核心问题：已经用LabelEncoder将标签编码为整数型的Y，但划分训练测试集时，传入的仍是原始字符串类型的标签y。

看关键代码片段：

# 编码得到整数标签Y（0和1）
Y = labelencoder.fit_transform(y) 

# 划分数据集时却用了原始y（值为'B'/'M'的字符串数组）
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)

binary_crossentropy损失函数要求标签为数值类型，而y_train和y_test还是字符串数组，自然触发"不支持将字符串转换为浮点型"的错误。

解决方案 #

将划分数据集的代码中的y替换为编码后的Y，确保训练和验证用的标签都是整数类型：

# 修正：使用编码后的Y划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.25, random_state=42)

验证步骤 #

修改后可先检查标签的类型和取值，确认问题已解决：

print("训练标签类型：", type(y_train))
print("训练标签唯一值：", np.unique(y_train))

正常输出应为整数类型，且唯一值为[0 1]。

完整修正后的关键代码段 #

# Encoding categorical data from (B and M) to integers (0 and 1)
from sklearn.preprocessing import LabelEncoder
labelencoder = LabelEncoder()
Y = labelencoder.fit_transform(y) # B=0 , M=1
print('Labels after encoder \n', np.unique(Y))

# ... 其他预处理代码 ...

# 修正：使用编码后的Y划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.25, random_state=42)
print('Shape of training data is: ', X_train.shape)
print('Shape of testing data is: ', X_test.shape)

# ... 模型定义与编译 ...

# 训练模型
history = model.fit(X_train, y_train, verbose=1, epochs=100, batch_size=64, validation_data=(X_test, y_test))

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