Tensorflow：拥有多个要素列并且具有多个维度的一个要素列之间有什么区别？

Question

我正在尝试使用简单的tf.contrib.learn.LinearRegressor开始使用TensorFlow。我的数据集是一个时间序列，我想使用T-n, ..., T-1处的功能作为功能，T-0作为标签。所有值都是浮点数，所以我自然认为我会将每一步都转换为real_valued_column特征。

但是，这些列具有dimension=属性，并且在TF网站they use上的Iris数据集的示例中，具有四个维度的单个列作为特征。我原本以为这四个属性（萼片宽度/长度，花瓣宽度/长度）中的每一个都应该成为它自己的特征，因此它是自己的real_valued_column。我的理解错了吗？这些方法之间有什么区别？

Answer 1

每个花都由它的四个属性表示，所以你的特征矩阵确实有4列。但是为了训练分类器，你不能单独采用每个特征，因为它们可能与花所属的类有关。 。因此，维度设置为维度= 4.将real_valued_column视为一组列（它们的数字是维度），形成一个特征矩阵。