在纯Tensorflow中混合分类和连续数据

Question

如何从CSV文件（例如Titanic dataset）中获取分类和连续数据，并在不使用tf.learn API（即纯Tensorflow）的情况下将其变为Tensorflow的良好格式？

例如，

• 分类数据可能是（在我的情况下）'vehicle_make'，'vehicle_model'
• 连续数据可能是'价格'，'里程'

然后，我想将此数据用作多层感知器神经网络的输入，如下例所示：

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/multilayer_perceptron.ipynb

干杯，

巴兹

Answer 1

您可以对分类数据使用单热编码。

基本上你可以将vehicle_model映射到数值

特斯拉S - ＆gt; 1

福特福克斯 - ＆gt; 2

... - ＆gt;我

然后使用全零的向量和第i个位置的1来表示该值：

特斯拉S - ＆gt; [1,0,0]

福特福克斯 - ＆gt; [0,1,0]

tensorflow和scikit learn都有执行此操作的功能。

按原样包含连续数据，作为输入向量的值之一。