使用tf.keras拟合LSTM模型时报KeyError:168如何解决？

报错根因 #

你遇到的KeyError: 168为TimeseriesGenerator索引越界导致，168正好是你设置的窗口长度参数值，Keras 2.6.0版本的TimeseriesGenerator在采样索引超出数据集边界时，会抛出该硬编码的字典Key错误。

分步修复方案 #

• 第一步：校验数据集拆分后长度合法性
  TimeseriesGenerator要求输入的数据集样本数必须大于窗口长度，你设置win_length=168，因此拆分后的训练集、测试集行数都必须大于168。如果总数据量过小，8:2拆分后测试集行数≤168，会直接触发索引越界。
  校验代码：

  print("训练集样本数：", len(X_train))
  print("测试集样本数：", len(X_test))
  print("窗口长度：", win_length)
  # 需保证前两个输出值均大于win_length
  

• 第二步：修正TimeseriesGenerator初始化参数
  不要额外配置stride、end_index等参数超出数据集范围，标准初始化逻辑参考：

  from tensorflow.keras.preprocessing.sequence import TimeseriesGenerator
  # 训练集时序生成器
  train_gen = TimeseriesGenerator(
      X_train, y_train,
      length=win_length,
      batch_size=batch_size,
      shuffle=False
  )
  # 测试集时序生成器
  test_gen = TimeseriesGenerator(
      X_test, y_test,
      length=win_length,
      batch_size=batch_size,
      shuffle=False
  )
  

• 第三步：预校验生成器可用性
  初始化生成器后先尝试读取单个批次的样本，确认无报错后再启动训练：

  # 校验训练集生成器
  batch_x, batch_y = train_gen[0]
  print("训练批次输入维度：", batch_x.shape) # 预期输出 (32, 168, 40)
  # 校验测试集生成器
  test_batch_x, test_batch_y = test_gen[0]
  print("测试批次输入维度：", test_batch_x.shape)
  

• 第四步：调整时序数据拆分规则
  不要使用默认的train_test_split拆分时序数据，改为手动拆分并给测试集预留足够的历史窗口数据，避免测试集索引越界：

  split_ratio = 0.8
  split_idx = int(len(all_data) * split_ratio)
  # 测试集开头预留win_length长度的历史数据，用于生成第一个测试样本
  X_train, X_test = all_data[:split_idx], all_data[split_idx - win_length:]
  y_train, y_test = all_label[:split_idx], all_label[split_idx - win_length:]
  

补充排查点 #

如果执行完以上步骤仍报错，检查标签数据的维度是否和输入特征的第一维度完全匹配，Keras 2.6.0版本存在标签长度与生成器输出长度不匹配时，同样抛出KeyError的已知问题。

内容的提问来源于stack exchange，提问作者Patryk Kołakowski