Keras Sequential模型训练正常测试时维度不匹配报错如何解决？

报错核心原因是模型训练时接收的输入特征维度为45，而测试阶段传入的X_test特征维度为46，二者不匹配触发输入校验报错。

排查步骤 #

• 先运行代码确认数据集实际维度：

print("训练集特征数：", X_train.shape[1])
print("测试集特征数：", X_test.shape[1])

打印后可确认X_test确实比X_train多1列特征，和你预期的总45个特征不符。

• 排查特征处理流程的常见错误点：
  • 拆分数据集时训练集正确剔除了标签列，但测试集处理时遗漏，把标签列也算进了测试特征中
  • 做独热编码、特征缩放等预处理操作时，训练集和测试集没有用统一的处理规则，导致测试集多生成了1个特征维度
  • 读取测试集csv等文件时没有设置索引列参数，把文件自带的行序号当成了特征列读入

修复方案 #

确认X_test多余的列后，直接裁剪为和X_train一致的45个特征即可，示例代码：

# 若多余列在末尾，直接取前45列
X_test = X_test.iloc[:, :45]
# 若明确知道多余列的列名，直接删除对应列
# X_test = X_test.drop("多余列名", axis=1)

裁剪完成后重新运行NN_model.evaluate(X_test, y1_test)即可正常执行。

内容的提问来源于stack exchange，提问作者MinHaw