DNNRegressor的分类并发症

Question

我正在处理一组数据，如下所示

[Code1，Code2，Code3，CodeGroup]
[J21，K11，L45,207]
[E45，R72，M09,113]
[K11，J21，Z12,207]

我希望创建一个能够开始接收模式的NN，例如在同一行中看到J21和K11，并预测组代码为207.

我知道一个复杂因素是我有字符串而不是数字。以下是我试图解决的一些选项

• tf.string_to_hash_bucket_fast - ＆gt;采用String Tensor并输出Int64 Tensor
• pd.get_dummies（） - ＆gt;将['j21'，'K11'，'L45']解析为[[1,0,0]，..]
• Categorflow.contrib.learn.python.learn.preprocessing.categorical.CategoricalProcessor中的CategoricalProcessor但不确定如何合并

我也相信，由于这些代码可能位于不同的列中，因此也可能导致培训问题。在上面的示例中，您可以在Code1和Code2列中看到“J21”。也许我需要以不同的方式提供数据？！？

这是一个snippet of my code，我设法开始工作......而且通过工作我的意思是执行时存在更差的准确性-_-

如果有人对如何解决这个问题有任何意见，我会非常感激。成功完成了一系列教程，但在尝试自己的时候又被重新打上了现实:(