Python csv数据库的Keras索引越界错误

这是我在使用StackOverflow网站一段时间后第一次在上面发帖

我一直试图通过这个链接预测机器学习实践数据库的最后一列

我运行了下面的代码并收到了此错误：

回溯（最近一次呼叫最后一次）：

文件“”，第1行，在 运行文件（'/Users/ric4711/diabetes_tensorflow'，wdir='/Users/ric4711'）

文件“/Users/ric4711/anaconda/lib/python2.7/site-packages/spyder/utils/site/site-customize.py”，第880行，在runfile中 execfile（文件名、命名空间）

文件“/Users/ric4711/anaconda/lib/python2.7/site-packages/spyder/utils/site/site-customize.py”，第94行，在execfile中 execfile（文件名，*其中）

文件“/Users/ric4711/diabetes\u tensorflow”，第60行，in y_列=到_分类（y_列，num_类=num_类）

文件“/Users/ric4711/anaconda/lib/python2.7/site packages/keras/utils/np_utils.py”，第25行，to_分类 范畴的[n，y]=1

索引器：索引3超出大小为3的轴1的界限

我怀疑我的y轴维度可能存在问题，或者我如何管理这方面的类别。任何帮助都将不胜感激

从熊猫导入读取\u csv
进口numpy
从sklearn.model\u选择导入列车\u测试\u拆分
从keras.utils导入到_category
从sklearn.preprocessing导入标签编码器
从keras.layers导入稠密，输入
从keras.models导入模型
dataset=read_csv（r）/Users/ric4711/Documents/dataset_diabetes/diabetic_data.csv”，标题=None）
#第2、5、10、11、18、19、20列都有“？”
#（101767，50）数据集的大小
#列数为“”的问题列
#2      2273
#5     98569
#10    40256
#11    49949
#18       21
#19      358
#20     1423
le=标签编码（）
数据集[[2,5,10,11,18,19,20]]=数据集[[2,5,10,11,18,19,20]]。替换（“？”，numpy.NaN）
dataset=dataset.drop（dataset.columns[[0,1,5,10,11]]，axis=1）
dataset.dropna（inplace=True）
y=数据集[[49]]
X=dataset.drop（dataset.columns[[44]]，1）
X_序列，X_测试，y_序列，y_测试=序列测试分割（X，y，测试大小=0.33，随机状态=42）
对于X_test.columns.values中的列：
如果X_测试[col].dtypes=='object'：
数据=X列[col]。追加（X列测试[col]）
拟合（数据值）
X_列[col]=le.transform（X_列[col]）
X_测试[col]=le.transform（X_测试[col]）
对于y_test.columns.values中的列：
如果y_test[col].dtypes=='object'：
数据=y_列[col]。追加（y_测试[col]）
拟合（数据值）
y_列[col]=le.transform（y_列[col]）
y_测试[col]=le.transform（y_测试[col]）
批量大小=500
num_epochs=300
隐藏大小=250
num_test=X_test.shape[0]
num\u training=X\u train.shape[0]
高度、宽度、深度=1，X_列形状[1]，1
num_classes=3
y_-train=y_-train.as_矩阵（）
y_测试=y_测试。作为矩阵（）
y_列=到_分类（y_列，num_类=num_类）
y_测试=分类（y_测试，num_类=num_类）
inp=输入（形状=（高度*宽度）
隐藏1=密集（隐藏大小，激活=tanh'）（inp）
hidden_2=稠密（hidden_size，activation='tanh'）（hidden_1）
隐藏3=密集（隐藏大小，激活=tanh'）（隐藏2）
hidden_4=稠密（hidden_大小，activation='tanh'）（hidden_3）
hidden_5=稠密（hidden_大小，activation='tanh'）（hidden_4）
hidden_6=稠密（hidden_大小，activation='tanh'）（hidden_5）
hidden_7=稠密（hidden_大小，activation='tanh'）（hidden_6）
hidden_8=稠密（hidden_size，activation='tanh'）（hidden_7）
隐藏9=密集（隐藏大小，激活=tanh'）（隐藏8）
hidden_10=稠密（hidden_大小，activation='tanh'）（hidden_9）
隐藏11=密集（隐藏大小，激活=tanh'）（隐藏10）
out=密集（num_类，activation='softmax'）（隐藏11）
模型=模型（输入=输入，输出=输出）
model.compile（loss='classifical_crossentropy'，
优化器='adam'，
指标=[‘准确度’]）
模型拟合（X\u序列，y\u序列，批量大小=批量大小，历元数=历元数，验证\u分割=0.1，随机数=真）
model.evaluate（X_test，y_test，verbose=1）

我通过将num_类更改为4来解决这个问题，在.fit方法中，将numpy.array（X_train），numpy.array（y_train）

应用到\u category，假设类索引的范围为0到num_classes-1。似乎您的类索引不遵循此模式，或者num_classes是错误的。当我降低num_classes变量时，我会得到相同的错误，除了替换变量的数字。例如索引器：索引2超出轴1的范围，大小为2的索引器将其切换为4，但是，给了我一个不同的错误文件“/Users/ric4711/anaconda/lib/python2.7/site packages/pandas/core/index.py”，第1231行，在“convert_to_indexer raiser raise KeyError”（“%s不在索引“%objarr[mask]）中）KeyError:”[11946 37160 20783…，12676 15694 54802]不在索引中'