Question

我有一个基本上像这样的数据集

FeatureA FeatureB FeatureC Target

3        2        5        1

4        1        8        0

3        0        2        0

目标是分类（1,0），特征是数字。目标是学习一种基于所有3个特征（目标是0还是1）进行分类的算法。

调用分类器时，例如在Google colab的构建文本分类器的示例中，他们就是这样编写代码的

estimator = tf.estimator.DNNClassifier(
hidden_units=[500, 100],
feature_columns=[embedded_text_feature_column],
n_classes=2,
optimizer=tf.train.AdagradOptimizer(learning_rate=0.003))

但是，在我的示例中，我只想将3个功能列用作feature_columns，如何告诉tf.estimator.DNNClassifier？即我该如何将参数feature_columns传递给我们？

Answer 1

实际上很简单...尽管花了我一段时间才能理解它。

在下面仔细查看以下代码：

# Represent a tf.float64 scalar.
numeric_feature_column = tf.feature_column.numeric_column(key="SepalLength",
                                                          dtype=tf.float64)

可以说您正在为此特定模型“构建”一列。在这种情况下，列名称为“ SepalLength”，其数据类型为float64。

让它应用于您的方案：

numeric_feature_column_1 = tf.feature_column.numeric_column(key="_1",
                                                          dtype=tf.float64)

numeric_feature_column_2 = tf.feature_column.numeric_column(key="_2",
                                                          dtype=tf.float64)

numeric_feature_column_3 = tf.feature_column.numeric_column(key="_3",
                                                          dtype=tf.float64)

estimator   = tf.estimator.DNNClassifier(
              hidden_units=[500, 100],
              feature_columns=[numeric_feature_column_1,
                               numeric_feature_column_2,
                               numeric_feature_column_3],
              n_classes=2,
              optimizer = tf.train.AdagradOptimizer(learning_rate=0.003)
              )

我强烈建议您阅读以下这些链接，以更好地了解Tensorflow的数据管道以及它如何连接到Estimator类。

如何在tf.estimator.DNNClassifier中指定功能列？

1 个答案: