如何使用Python解决DNN深度神经网络模型运行时出现的ValueError问题

问题原因 #

你遇到的报错和代码逻辑问题有两个核心点：

1. 输入维度不匹配：你在定义模型输入层时设置了input_dim=3，要求输入特征必须有3列，但实际构造的hkgf_features只包含時間區間、政治傾向2个字段，输入维度是2，和模型预期的3维不一致，直接触发了维度不匹配报错。
2. 特征标签混淆（数据泄露）：你把要预测的目标列政治傾向同时放入了特征集和标签集，相当于训练时直接给模型提供了答案，训练出来的模型没有任何实际预测价值。

解决方法 #

根据你的实际数据情况二选一即可：

• 如果你确认数据集里共有3个有效特征可用：修改特征构造代码，把政治傾向从特征列表中移除，补充剩下的1个特征列到hkgf_features的列表中，确保特征列总数为3，和input_dim=3匹配。
• 如果你只有2个有效特征可用：直接修改模型输入层的参数，将input_dim=3改为input_dim=2即可，修改后代码如下：

model.add(Dense(64, input_dim=2, activation='relu'))

额外优化建议 #

如果你的目标列政治傾向是分类变量（比如不同的派别分类），当前用MSE损失的回归配置并不适配，建议更换为交叉熵损失函数，输出层对应添加sigmoid（二分类）或softmax（多分类）激活函数，训练效果会更优。

内容的提问来源于stack exchange，提问作者HKGF