Python 检查输入时出错：预期输入_18有3个维度，但得到了形状为（7210）的数组

我的原始数据集的形状是（210,8），我试图给出7个独立变量作为 输入我的神经网络以查看它们属于哪个类。 类/类别是目标变量

我已经分离了自变量，并将它们作为数组存储在“df_test”中

df = pd.read_csv('https://raw.githubusercontent.com/siiddd/WheatSeeds/master/Wheat.csv')

features = ['Area', 'Perimeter', 'Compactness', 'Length of Kernel','Width of Kernel', 'Asymmetric Coeff.', 'Length of Kernel Groove']

dftoArray = df[features].to_numpy()
df_test = dftoArray.reshape(7,210)

model = keras.Sequential()

model.add(keras.Input(shape = (7, )))

model.add(keras.layers.Dense(500, activation = 'relu'))
model.add(keras.layers.Dense(1, activation = 'sigmoid'))

model.compile(optimizer = 'adam', loss = 'sparse_categorical_crossentropy', metrics = ['accuracy'])

model.fit(df_test, df['Class'], epochs = 10, validation_split = 0.10)  

这给了我一个错误：

检查输入时出错：预期输入_18有3个维度，但 已获得形状为（7210）的数组

---

我认为您在重塑

数据帧时犯了一个错误。正如您所说，数据由210个样本组成，每个样本具有8个特征，即数据的形状必须是
（210，8）
。现在，在从
df
中选择所需的列之后，您需要将数据重塑为
（210,7）
，而不是
（7210）
。做这个改变,

df_test = dftoArray.reshape( 210 , 1 )

形状
（210，7）
和
（7210）
有很大的区别。形状
（7210）
指的是由7个样本组成的数据集，每个样本具有210个特征。事实并非如此