LSTM血糖时序预测报错NPY_DATETIME无法转Tensor问题咨询

触发ValueError: Failed to convert a NumPy array to a Tensor (Unsupported numpy type: NPY_DATETIME)的直接原因是传入模型的训练/测试特征或标签数组中包含numpy.datetime64格式的时间数据，TensorFlow的张量计算不支持原生日期时间类型。

• 先定位存在类型问题的数组：在调用model.fit()前运行以下代码，打印所有输入数组的数据类型，确认哪组数据包含datetime类型值：

print("x_train dtype:", x_train.dtype)
print("x_test dtype:", x_test.dtype)
print("y_train dtype:", y_train.dtype)
print("y_test dtype:", y_test.dtype)

• 清洗时间字段：如果时间列是你需要用到的特征，不要直接传入原始datetime值，需转换为数值型格式：
  • 可转换为秒/毫秒级时间戳的浮点/整数值
  • 可拆解为小时、星期、月份等周期数值，做归一化处理后再输入
    如果不需要时间作为特征，直接从特征集中删除所有时间列即可。
• 类型兜底转换：完成特征处理后，强制将所有输入模型的数组转换为float32类型，彻底避免类型不兼容问题：

x_train = x_train.astype("float32")
x_test = x_test.astype("float32")
y_train = y_train.astype("float32")
y_test = y_test.astype("float32")

你当前的模型配置和血糖水平预测任务不匹配，即便解决类型报错也无法得到正确结果：

• 血糖值预测是连续值回归任务，不是二分类任务。当前代码用sigmoid做输出层激活、binary_crossentropy做损失、accuracy做评估指标，完全不符合回归任务要求。
• 对应部分修正参考：

# 输出层移除sigmoid激活，直接输出连续预测值
model.add(Dense(1))
# 回归任务使用均方误差作为损失，平均绝对误差作为评估指标
model.compile(optimizer='adam', loss='mse', metrics=['mae'])

内容的提问来源于stack exchange，提问作者Jose Ramon Medina Lorente