admin管理员组

文章数量:1650766

这里介绍tensorflow中几种常见的特征处理方式，也是tensorflow中封装好的库函数。
主要来源于tf.feature_column.*

1.tf.feature_column.categorical_column_with_hash_bucket

tf.feature_column.categorical_column_with_hash_bucket(
    key,
    hash_bucket_size,
    dtype=tf.dtypes.string
)

输入特征为稀疏特征，一般为字符串数据或者整型数据，将输入稀疏特征转换为有限个桶，计算公式为

output_id = Hash(input_feature_string) % bucket_size

要求input_feature_string为字符型，如果输入的稀疏特征是整型的，需要先转换为字符型才能使用上面的映射公式。
对于字典型的features，如果features[key]要么是Tensor，要么是 SparseTensor，但是如果是Tensor 的话，缺失值可以被表示为为-1的整型以及‘ ’的字符型，这种情况下，相应的特征值将会被舍弃掉。

2.tf.feature_column.c

本文标签： 中对特征方式tensorflowTF

版权声明：本文标题：tensorflow中对特征的处理方式 tf.feature_column 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dianzi/1729534185a1205202.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。