TensorFlow线性估计器训练报Labels<=n_classes-1错误排查

你触发报错的核心原因是任务类型和选用的估计器不匹配，代码里还附带一个特征列处理的隐藏bug：

1. 你的任务是预测汽车价格，属于连续值预测的回归任务，但代码中错误使用了面向分类任务的tf.estimator.LinearClassifier（线性分类器）。该分类器默认执行二分类任务，要求标签取值只能为0或1（即默认n_classes=2，标签必须满足<= n_classes -1 =1），但你传入的标签是几千到上万的汽车价格数值，和分类器的标签要求完全冲突，直接触发范围校验错误，报错信息里打印的[7895][10795][17710]就是你传入的价格标签，和校验阈值1的差距也能对应上这个问题。
2. 识别分类特征列的代码存在笔误：遍历列时判断为object类型的分类列，你append的是临时变量_而非当前遍历的列名cat，会导致分类列列表完全错误，就算修复估计器的问题，后续特征处理也会报错。

• 修复分类列识别的笔误，将分类列追加逻辑的参数改为当前遍历的列名：

# 原错误代码
for cat in lst:
    if train_x[cat].dtypes == 'object':
        categorical_columns.append(_)

# 修复后
for cat in lst:
    if train_x[cat].dtypes == 'object':
        categorical_columns.append(cat)

• 将分类估计器替换为回归任务对应的线性回归估计器：

# 原错误代码
linear_est = tf.estimator.LinearClassifier(feature_columns=feature_columns)

# 修复后
linear_est = tf.estimator.LinearRegressor(feature_columns=feature_columns)

修改完成后重新运行代码即可正常启动训练，后续评估时调用linear_est.evaluate(eval_input_function)就能获取回归任务对应的损失、MSE等评估指标。

内容的提问来源于stack exchange，提问作者Michael Water