TensorFlow 2 提供了多種處理特征列的方法，用于對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換，然后把轉(zhuǎn)換后的數(shù)據(jù)傳入TensorFlow的layers.DenseFeatures層，并將該層作為神經(jīng)網(wǎng)絡(luò)的輸入層。

1. 處理數(shù)值列

一個(gè)特征列的輸出將成為模型的輸入。 數(shù)值列（numeric column） 是最簡(jiǎn)單的列類型。它用于表示實(shí)數(shù)特征。使用此列時(shí)，模型將從 dataframe 中接收未更改的列值。
用法示例：

photo_count = feature_column.numeric_column('PhotoAmt')
demo(photo_count)

2. 對(duì)數(shù)值列進(jìn)行分桶（或分段）

通常，如果不希望將數(shù)字直接輸入模型，而是根據(jù)數(shù)值范圍將其值分成不同的類別。例如，考慮代表一個(gè)人年齡的原始數(shù)據(jù)。我們可以用 分桶列（bucketized column）將年齡分成幾個(gè)分桶（buckets），而不是將年齡表示成數(shù)值列。請(qǐng)注意下面的 one-hot 數(shù)值表示每行匹配的年齡范圍。
用法示例：

age = feature_column.numeric_column('Age')
age_buckets = feature_column.bucketized_column(age, boundaries=[1, 3, 5])
demo(age_buckets)

3. 處理分類列

在數(shù)據(jù)集中，如果分類列用字符串表示（例如 ‘fixed’，‘normal’，或 ‘reversible’）。我們無(wú)法直接將字符串提供給模型。相反，我們必須首先將它們映射到數(shù)值。分類詞匯列（categorical vocabulary columns）提供了一種用 one-hot 向量表示字符串的方法。詞匯表可以用 categorical_column_with_vocabulary_list 作為 list 傳遞，或者用 categorical_column_with_vocabulary_file 從文件中加載。

用法示例：

# 把分類字段轉(zhuǎn)換為分類列（categorical_column）
animal_type = feature_column.categorical_column_with_vocabulary_list('Type', ['Cat', 'Dog'])
# 把分類列（categorical_column）轉(zhuǎn)換為獨(dú)熱編碼
animal_type_one_hot = feature_column.indicator_column(animal_type)
demo(animal_type_one_hot)

4. 使用Embedding處理分類列

假設(shè)我們不是只有幾個(gè)可能的字符串，而是每個(gè)類別有數(shù)千（或更多）值。 由于多種原因，隨著類別數(shù)量的增加，使用 one-hot 編碼訓(xùn)練神經(jīng)網(wǎng)絡(luò)變得不可行。我們可以使用嵌入列來(lái)克服此限制。嵌入列（embedding column）將數(shù)據(jù)表示為一個(gè)低維度密集向量，而非多維的 one-hot 向量，該低維度密集向量可以包含任何數(shù)，而不僅僅是 0 或 1。嵌入的大?。ㄔ谙旅娴氖纠袨?8）是必須調(diào)整的參數(shù)。

關(guān)鍵點(diǎn)：當(dāng)分類列具有許多可能的值時(shí)，最好使用嵌入列。

用法示例：

# Notice the input to the embedding column is the categorical column we previously created
breed1 = feature_column.categorical_column_with_vocabulary_list('Breed1', dataframe.Breed1.unique())
breed1_embedding = feature_column.embedding_column(breed1, dimension=8)
demo(breed1_embedding)

5. 經(jīng)過(guò)哈希處理的特征列

表示具有大量數(shù)值的分類列的另一種方法是使用 categorical_column_with_hash_bucket。該特征列計(jì)算輸入的一個(gè)哈希值，然后選擇一個(gè) hash_bucket_size 分桶來(lái)編碼字符串。使用此列時(shí)，您不需要提供詞匯表，并且可以選擇使 hash_buckets 的數(shù)量遠(yuǎn)遠(yuǎn)小于實(shí)際類別的數(shù)量以節(jié)省空間。

關(guān)鍵點(diǎn)：該技術(shù)的一個(gè)重要缺點(diǎn)是可能存在沖突，不同的字符串被映射到同一個(gè)范圍。實(shí)際上，無(wú)論如何，經(jīng)過(guò)哈希處理的特征列對(duì)某些數(shù)據(jù)集都有效。
用法示例：

breed1_hashed = feature_column.categorical_column_with_hash_bucket('Breed1', hash_bucket_size=10)
demo(feature_column.indicator_column(breed1_hashed))

6. 使用組合的特征列

將多種特征組合到一個(gè)特征中，稱為特征組合（feature crosses），它讓模型能夠?yàn)槊糠N特征組合學(xué)習(xí)單獨(dú)的權(quán)重。這里，我們將創(chuàng)建一個(gè) age 和 thal 組合的新特征。請(qǐng)注意，crossed_column 不會(huì)構(gòu)建所有可能組合的完整列表（可能非常大）。相反，它由 hashed_column 支持，因此可以選擇表的大小。
用法示例

crossed_feature = feature_column.crossed_column([age_buckets, animal_type], hash_bucket_size=10)
demo(feature_column.indicator_column(crossed_feature))

經(jīng)過(guò)前面這些方法預(yù)處理之后，可以把它們拼接起來(lái)一起作為神經(jīng)網(wǎng)絡(luò)的輸入層。

到此這篇關(guān)于TensorFlow2中提供的幾種處理特征列的方法小結(jié)的文章就介紹到這了,更多相關(guān)TensorFlow2 處理特征列內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論