TensorFlow 1.4.0中DNNLinearCombinedClassifier报错：标签ID需≥0

这个InvalidArgumentError的核心原因很明确：你的字符串标签没有被正确转换为非负整数ID，当TensorFlow遇到不在你定义的LABELS列表中的标签值时，会默认返回-1，这就触发了"Label IDs must >= 0"的断言检查。

下面是具体的修复步骤和代码调整：

1. 确保标签与词汇表完全匹配 #

首先检查你的数据集里的section_code字段值，是否和LABELS列表中的每个条目完全一致（包括开头的空格，比如' TS4CFS6'）。如果数据里的标签少了空格或者有拼写错误，就会被识别为未知标签，生成无效的-1 ID。

2. 在输入函数中添加标签转换逻辑 #

你当前的代码缺少了关键的标签预处理步骤——需要把字符串标签映射为从0开始的整数ID，这是DNNLinearCombinedClassifier要求的标签格式。

添加完整的输入函数，并在其中处理标签转换：

def input_fn(data_file, num_epochs=1, shuffle=True, batch_size=64):
    def parse_csv(line):
        # 解析CSV行到特征字典
        columns = tf.decode_csv(line, record_defaults=CSV_COLUMN_DEFAULTS)
        features = dict(zip(CSV_COLUMNS, columns))
        
        # 移除无用列
        for col in UNUSED_COLUMNS:
            features.pop(col)
        
        # 提取标签并转换为整数ID
        label_str = features.pop(LABEL_COLUMN)
        # 使用词汇表将字符串标签映射为整数，未知标签会返回-1（这里要确保数据中没有未知标签）
        label_id = tf.contrib.lookup.string_to_index(
            label_str,
            vocabulary_list=LABELS,
            default_value=-1
        )
        
        # 添加断言，提前捕获无效标签
        label_id = tf.assert_non_negative(
            label_id,
            message="发现无效标签：不在LABELS列表中"
        )
        return features, label_id

    # 构建数据集
    dataset = tf.data.TextLineDataset(data_file)
    if shuffle:
        dataset = dataset.shuffle(buffer_size=10000)
    # 并行解析CSV
    dataset = dataset.map(parse_csv, num_parallel_calls=multiprocessing.cpu_count())
    dataset = dataset.repeat(num_epochs)
    dataset = dataset.batch(batch_size)
    
    # 获取特征和标签
    iterator = dataset.make_one_shot_iterator()
    features, labels = iterator.get_next()
    return features, labels

3. 初始化字符串查找表（TensorFlow 1.x必需） #

在TensorFlow 1.x中，tf.contrib.lookup的词汇表需要手动初始化。在启动训练前，添加以下代码：

# 创建会话并初始化查找表
sess = tf.Session()
sess.run(tf.tables_initializer())

# 或者在使用Estimator时，通过hooks初始化
from tensorflow.python.training.session_run_hook import SessionRunHook

class InitLookupTablesHook(SessionRunHook):
    def after_create_session(self, session, coord):
        session.run(tf.tables_initializer())

# 训练时添加hook
estimator.train(
    input_fn=lambda: input_fn("train_data.csv"),
    hooks=[InitLookupTablesHook()]
)

4. 额外检查：确认LABELS覆盖所有标签值 #

如果你的数据中存在LABELS列表之外的标签，即使添加了转换逻辑，还是会生成-1 ID导致报错。建议先统计数据中的所有section_code值，确保它们都在LABELS列表里。可以用Python的pandas提前检查：

import pandas as pd

df = pd.read_csv("your_data.csv")
unique_labels = df['section_code'].unique()
# 检查是否有不在LABELS中的标签
missing_labels = [label for label in unique_labels if label not in LABELS]
if missing_labels:
    print("发现未在LABELS中定义的标签：", missing_labels)

这样调整后，你的标签会被正确转换为非负整数ID，就能解决这个断言错误了。

内容的提问来源于stack exchange，提问作者Binh Pham