[关闭]
@zqbinggong 2018-05-28T16:18:23.000000Z 字数 709 阅读 334

tf.contrib

《tensorflow实战》


统计分布 tf.contrib.distributions


Layer 模块

特征列 Feature Column

  1. 特征列api可以很方便的将各种类型的特征转化为想要的格式:
    • real_valued_column() : 处理连续特征,age=layers.real_valued_column('age')
    • sparse_column_with_kyes() : 处理类别特征,需要知道所有的类别,gender=layers.sparse_column_with_keys(column_name='gender', keys=['female', 'male'])
    • sparse_column_with_hash_bucket() : 不知道所有的类别,education=layers.sparse_column_with_hash_bucket('education', hash_bucket_size=1000)
  2. 将连续特征离散化形成新的类别特征:
    • age_range=layers.bucketized_column(age, boundaries=[18,25,30])
  3. 两个或多个特征列之间进行交互以建立交叉特征列
    • `combined=layers.crossed_column([age_range, race, occupation], hash_bucket_size=int(1e7))

Embeddings(嵌入)

  1. embedding_column()能迅速将高维稀疏的类别特征向量转换为指定维数的嵌入向量layers.embedding_column(combined, dimension=8)
  2. 2.
添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注