Question

我正在使用LinearClassifier类在二元分类模型上使用张量流。我基于分类的一个功能是名为hat的列：

hat = tf.contrib.layers.sparse_column_with_hash_bucket("hat", hash_bucket_size=1000)

在我初始化模型并在tf.Session（）中完成拟合之后：

with tf.Session() as sess:    
    m = tf.contrib.learn.LinearClassifier(feature_columns=hat...)
    m.fit(...)

我想在训练模型后检查每个帽子类别的重量。

帽子标签只是由不同的字符串给出。在训练模型后，我想找到与每个帽子标签相关的重量。然而，为了将权重与特定的帽子进行比较，我需要知道帽子标签被扔进哪个哈希桶。我的帽子标签之一是“tb”。我可以使用函数找到索引的内容：

tf.string_to_hash_bucket(tf.cast("tb",tf.string), 1000)

然后我可以遍历这里返回的权重：

for i,n in enumerate(m.linear_weights_["linear/hat_weights"]):
    print i, n

给了我：

linear/hat_weights
   0 [-0.147]
   ...

我的问题是，没有任何具有重要（abs（x）> 0.0005）权重的索引对应于我从数据集中所有帽子标签上的string_to_hash_bucket获得的任何哈希桶ID。

最后我的问题是：

我认为string_to_hash_bucket id应该对应m.linear_weights _ [“linear / hat_weights”]返回的相应数组的索引吗？

如果没有，我怎样才能获得正确的身份证？在线性模型中，是否有更简单的方法来检查特征列张量的权重，包括稀疏和实值（均不包含在.linear_weights_中）？

非常感谢！

Answer 1

另一种检查黑盒重量（因此保证可以工作）的方法是在一个只打开一个帽子功能的示例上评估整个模型。然后，您可以看到模型为每个要素指定的权重。