如何解决Keras用to_categorical做独热编码时的索引越界错误

错误原因 #

tf.keras.utils.to_categorical 默认要求输入的类别索引从0开始计数。你的标签取值范围是1_{5，最大索引值为5，当你设置`num_classes=5`时，生成的one-hot张量仅支持索引0}4，遇到标签值5时就会触发越界错误。

修复方案 #

方案1（推荐）：将标签映射为0~4的取值范围 #

直接对原标签做减1操作，对齐0起始的索引要求，无冗余维度：

y = df.iloc[:,10].values
# 标签从1~5转为0~4
y = y - 1
y = tf.keras.utils.to_categorical(y, num_classes = 5)
y

方案2：调整类别数适配1起始的标签 #

如果需要保留原标签的数值含义，可以将num_classes设置为6，再剔除无意义的第0列：

y = df.iloc[:,10].values
y = tf.keras.utils.to_categorical(y, num_classes = 6)
# 剔除索引0对应的空列，得到5维one-hot编码
y = y[:, 1:]
y

内容的提问来源于stack exchange，提问作者emmasa