admin 管理员组

文章数量: 1184232

【feature

1· 对于连续特征来说，feature_column里面用的最多的就是Numeric column这个函数了
Numeric column函数是比较简单的，我们直接看函数def

def numeric_column(key,shape=(1,),default_value=None,dtype=dtypes.float32,normalizer_fn=None):

参数含义

参数参数说明
key特征名称，对应的列名称（字符串的识别输入，feature名字）
shapekey对应特征的shape，默认是1，但是在有些情况下，比如one-hot类型，shape就不会是1，而是实际的维度
default_value不存在的数值，给定默认值
dtype数据类型
normalizer_fn对该特征下的所有数据进行转换，如果需要进行normalize，那么就是使用normalize的函数.这里不仅仅局限于normalize，也可以是任何的转换方法，比如取对数，取指数，这仅仅是一种变换方法

2. 举例

# 设置normalizer_fn函数，给里面每个数值开方
import tensorflow as tf
sess = tf.Session()
def norm(x):return x**2
features = {'age': [[2], [3], [6],[11],[2]]}
age = tf.feature_column.numeric_column('age', normalizer_fn=norm)
print(sess.run(tf.feature_column.input_layer(features,[age])))

3. 结果

[[  4.][  9.][ 36.][121.][  4.]]

有兴趣可以看我的专栏： 今天你面试了吗？

本文标签： feature

版权声明：本文标题：【feature 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1687655443a125447.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。