我已经开始做一个名为 "Talking Data用户人口统计学 "的项目。在这个项目中，我需要找到一个人的性别和年龄段，他的手机数据是提供给我的。在给我的数据中，我只能找到近70%的数据中的手机型号和手机品牌，剩下的30%有事件，事件标签，位置，包括型号和品牌在内的许多其他特征。所以，我想为有事件的设备和没有事件的设备分别建立一个模型。作为寻找正确模型的一部分，我使用了各种算法。当我尝试神经网时，我已经得到了较少的日志损失的设备，没有事件，所以，我想尝试同样的设备与事件，但它给出的错误 "稀疏矩阵不支持"。但如果是这样的话，它是运行正常的，当我有模型的设备与out事件。下面我已经附上了一个片段，作为我所告诉的证明，请帮助我理解这个任何建议将被感激。
附上的文件包含了一段代码，即使在model.fit()中使用了稀疏的矩阵，也能完美运行代码。第一张图
现在，在下面的附件中，当稀疏矩阵被传递到model.fit()时，它给出了错误的信息。第二张图
请通读整段代码，以提供最佳参考。代码片段
只是一个建议。不要在神经网络中使用稀疏矩阵，因为它会提供不好的结果。只要在运行NN之前使用PCA转换你的稀疏矩阵。例如在scikit-learn中的PCA有白化选项，这对梯度下降也很有用。
在你的例子中，你想比较两个模型和两个不同数据集的运行情况。两个不同的模型和两个不同的数据集可能提供完全不同的结果。比较它们是没有意义的。