我对深度学习还很新手。我想完成一个任务，任务要求如下：在测试数据上评估模型，并计算预测的混凝土强度与实际混凝土强度之间的均方误差。你可以使用 Scikit-learn 中的 mean_squared_error 函数。
这是我的代码：
import pandas as pdfrom tensorflow.python.keras import Sequentialfrom tensorflow.python.keras.layers import Densefrom sklearn.model_selection import train_test_splitconcrete_data = pd.read_csv('https://cocl.us/concrete_data')n_cols = concrete_data.shape[1]model = Sequential()model.add(Dense(units=10, activation='relu', input_shape=(n_cols-1,)))model.compile(loss='mean_squared_error', optimizer='adam')y = concrete_data.Cementx = concrete_data.drop('Cement', axis=1)xTrain, xTest, yTrain, yTest = train_test_split(x, y, test_size = 0.3)model.fit(xTrain, yTrain, epochs=50)现在为了评估均方误差，我编写了如下代码：
from sklearn.metrics import mean_squared_errorpredicted_y = model.predict(xTest)mean_squared_error(yTest, predicted_y)然后我得到了这个错误：
y_true and y_pred have different number of output (1!=10)我的 predicted_y 的形状是：(309, 10)
我上网搜索了很久，但实在找不到解决这个问题的答案。我不知道我的代码哪里出了问题。
回答：
你的 y_test 数据形状是 (N, 1)，但因为你在输出层设置了10个神经元，你的模型会做出10个不同的预测，这就是错误的原因。
你需要将输出层的神经元数量改为1，或者添加一个新的输出层，该层只有1个神经元。
下面的代码可能会对你有帮助。
import pandas as pdfrom tensorflow.python.keras import Sequentialfrom tensorflow.python.keras.layers import Densefrom sklearn.model_selection import train_test_splitconcrete_data = pd.read_csv('https://cocl.us/concrete_data')n_cols = concrete_data.shape[1]model = Sequential()model.add(Dense(units=10, activation='relu', input_shape=(n_cols-1,))) model.add(Dense(units=1))model.compile(loss='mean_squared_error', optimizer='adam')y = concrete_data.Cementx = concrete_data.drop('Cement', axis=1)xTrain, xTest, yTrain, yTest = train_test_split(x, y, test_size = 0.3)model.fit(xTrain, yTrain, epochs=50)