如何调整TFIDF向量维度适配TensorFlow LSTM输入要求

运行代码时抛出的报错信息如下：

ValueError: Input 0 of layer sequential_2 is incompatible with the layer: expected ndim=3, found ndim=2. Full shape received: (None, 5000)

触发报错和后续训练异常的核心原因有两个：

• 维度不匹配：LSTM层要求输入为3维张量，形状格式为(批次样本数, 时间步长度, 单时间步特征数)，当前TfidfVectorizer输出的是2维稀疏矩阵，形状为(样本数, 特征数)，缺少时间步维度，直接输入会触发维度校验失败。
• 配置逻辑错误：模型最后一层为1单元sigmoid激活的二分类输出结构，却搭配了多分类场景使用的sparse_categorical_crossentropy损失函数，即使维度修正后也会出现损失计算异常、无法收敛的问题。

1. 调整输入向量维度 #

TfidfVectorizer默认输出scipy稀疏矩阵，需要先转为稠密numpy数组，再扩展维度匹配LSTM输入要求。对应你设置的input_shape=(5000,1)，即把每个TFIDF特征值作为单独时间步，每个时间步仅1个特征值，转换代码如下：

import numpy as np

# 转换稀疏矩阵为稠密数组，补充时间步维度
train_vector = train_vector.toarray().reshape(train_vector.shape[0], 5000, 1)
test_vector = test_vector.toarray().reshape(test_vector.shape[0], 5000, 1)

调整后可通过shape属性校验维度：

• train_vector.shape 应为 (22895, 5000, 1)
• test_vector.shape 应为 (5724, 5000, 1)

2. 修正损失函数配置 #

将编译代码中的损失函数替换为二分类场景匹配的binary_crossentropy：

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

3. 启动训练 #

维度和配置修正后，直接调用fit即可正常运行：

model.fit(train_vector, y_train, validation_data=(test_vector, y_test), epochs=10, batch_size=1024)

TFIDF属于词袋类特征，本身已经丢失文本词序信息，将5000维TFIDF向量拆分为5000个单特征时间步输入LSTM，无法发挥LSTM捕捉序列依赖的特性，训练效果通常差于直接用全连接层对接TFIDF向量。如果需要用LSTM处理文本任务，建议直接对原始文本做分词序列化，搭配Embedding层作为模型输入。

内容的提问来源于stack exchange，提问作者Fatin Faiaz Isty