分类列和密集列有什么区别？

Question

在Tensorflow中，有9个不同的功能列，分为三组：类别，密集和混合。

通过阅读guide，我了解到分类列用于表示带有数字值的离散输入数据。它给出了一个名为类别标识列的类别列的示例：

ID   Represented using one-hot encoding
0    [1, 0, 0, 0]
1    [0, 1, 0, 0]
2    [0, 0, 1, 0]
3    [0, 0, 0, 1]

但是您也有一个称为 indicator 列的密集列，该列“包装”（？）分类列以产生看起来几乎相同的东西：

Category (from category column)   Represented as...
0                                 [1, 0, 0, 0]
1                                 [0, 1, 0, 0]
2                                 [0, 0, 1, 0]
3                                 [0, 0, 0, 1]

因此，“类别”列和“密集”列似乎都可以表示离散数据，并且两者都可以使用“一键编码”，因此这并不能将两者区分开。

我的问题是： 原则上 ，“分类列”和“密集列”有什么区别？

Answer 1

我刚刚在DataScience StackExchange上找到答案之前遇到了这个问题， 您可以找到原始答案here

如果我理解正确，答案很简单，虽然分类列确实会将数据编码为one-hot，但是indicatorcolumn会将其编码为multi-hot