基于TensorFlow训练随机森林回归模型时遇维度错误求助

问题场景 #

我在尝试用TensorFlow训练随机森林回归模型处理连续数值数据时，调用estimator.fit()后先输出了森林参数日志，随后抛出了这个维度错误：

ValueError: Shape must be at least rank 2 but is rank 1 for 'concat' (op: 'ConcatV2') with input shapes: [?], [?], [?], [] and with computed input tensors: input[3] = <1>.

错误原因分析 #

排查代码后，发现两个核心问题：

• 参数拼写错误：定义ForestHParams时，把feature_columns拼成了feature_colums（少了一个字母n），导致特征列没有被正确传递给模型，模型无法识别输入特征的结构，进而引发维度拼接错误。
• 特征数量不匹配：num_features参数设置为2，但实际用到了3个特征（Average_Score、lat、lng），参数和实际特征数量不一致，打乱了模型对输入维度的预期。

修复后的完整代码 #

import tensorflow as tf
from tensorflow.contrib.tensor_forest.python import tensor_forest
from tensorflow.contrib.tensor_forest.client import random_forest
from tensorflow.python.estimator.inputs import numpy_io
import pandas as pd
import numpy as np

def getFeatures():
    Average_Score = tf.feature_column.numeric_column('Average_Score')
    lat = tf.feature_column.numeric_column('lat')
    lng = tf.feature_column.numeric_column('lng')
    return [Average_Score, lat, lng]

# 导入并预处理酒店数据
Hotel_Reviews = pd.read_csv("./DataMining/Hotel_Reviews.csv")
# 优化过滤逻辑：保留经纬度都非空的有效样本
Hotel_Reviews_Filtered = Hotel_Reviews[(Hotel_Reviews.lat.notnull()) & (Hotel_Reviews.lng.notnull())]
Hotel_Reviews_Filtered_Target = Hotel_Reviews_Filtered[["Reviewer_Score"]]
Hotel_Reviews_Filtered_Features = Hotel_Reviews_Filtered[["Average_Score","lat","lng"]]

# 转换为模型兼容的输入格式
x = {key: np.array(values) for key, values in Hotel_Reviews_Filtered_Features.to_dict('list').items()}
y = Hotel_Reviews_Filtered_Target.values

# 修正参数拼写和特征数量，调用fill()补全默认参数
params = tf.contrib.tensor_forest.python.tensor_forest.ForestHParams(
    feature_columns=getFeatures(),  # 修复拼写错误
    num_classes=1, 
    num_features=3,  # 匹配实际的3个特征
    regression=True, 
    num_trees=10, 
    max_nodes=1000
).fill()

# 构建随机森林估算器
iest = random_forest.TensorForestEstimator(
    params, 
    graph_builder_class=tensor_forest.RandomForestGraphs
)

# 定义训练输入函数
train_input_fn = numpy_io.numpy_input_fn(
    x=x, 
    y=y, 
    batch_size=1000, 
    num_epochs=1, 
    shuffle=True
)

# 启动训练
iest.fit(input_fn=train_input_fn, steps=500)

额外优化提示 #

• 数据过滤逻辑：原代码用|（或）保留样本，会混入只有单一坐标的无效数据，改成&（且）能确保每个样本都有完整的经纬度信息，提升模型效果。
• 参数补全：调用ForestHParams的fill()方法可以自动补全TensorFlow随机森林的默认参数，避免遗漏必要配置。

内容的提问来源于stack exchange，提问作者a_parida