TensorFlow多标签回归模型构建报错：索引不匹配问题求助

嘿，我来帮你搞定这个困扰你的索引不匹配问题！先看报错信息，核心问题出在你传给pandas_input_fn的y参数格式不对，导致它没法和x的索引对应上。

问题根源 #

你现在用list(map(lambda label: data_set[label].values, LABELS))生成的y是一个包含两个numpy数组的列表，而pandas_input_fn要求y必须是带索引的pandas对象——单标签用Series，多标签用DataFrame。普通列表/数组没有pandas那样的索引结构，函数自然没法和x的RangeIndex匹配，哪怕换成numpy数组的列表也没用。

修正后的代码 #

直接把y设置为数据集里对应标签列组成的DataFrame就行，不需要手动转成values或者拆成列表：

FEATURES = ["crim", "zn", "indus", "nox", "rm", "dis", "tax", "ptratio"]
LABELS = ["medv", "age"]

def get_input_fn(data_set, num_epochs=None, shuffle=True):
    return tf.estimator.inputs.pandas_input_fn(
        x=pd.DataFrame({k: data_set[k].values for k in FEATURES}),
        # 直接取标签列的DataFrame，自动保留索引
        y=data_set[LABELS],
        num_epochs=num_epochs,
        shuffle=shuffle)

# 你的DNNRegressor定义是对的，label_dimension=2适配多标签回归
regressor = tf.estimator.DNNRegressor(
    feature_columns=feature_cols, 
    label_dimension=2, 
    hidden_units=[10, 10], 
    model_dir="/tmp/boston_model"
)

额外小提示 #

如果想手动构造y的DataFrame，也可以这么写：

y=pd.DataFrame({col: data_set[col].values for col in LABELS})

效果和直接取data_set[LABELS]完全一致，都能保证索引和x匹配。记住，尽量别把pandas数据转成普通列表/数组再传给pandas_input_fn的x或y参数，不然很容易出索引问题。

内容的提问来源于stack exchange，提问作者user1646040