tf.contrib.layers.sparse_column_with_integerized_feature可以处理一列中具有多个输入的分类要素吗？

Question

我只是使用Tensorflow及其tf.learn api来创建和训练DNNRegressor模型。我有一个多元的整数特征列（每行可以在该列中有多个整数值），我对此特征列使用tf.contrib.layers.sparse_column_with_integerized_feature。

现在我的问题是csv文件中多价特征列的正确分隔符是什么。 例如，我有一个csv，col2是多价功能，它不是一个热门功能：

  1, 2, 1:2:3:4, 5
  2, 1, 4:5, 6

如你所见，我使用＆＃39;：＆＃39;在col2中分离整数特征值，但它看起来不对，我在运行DNNRegressor时出现此错误，并将此特征列声明为tf.contrib.layers.sparse_column_with_integerized_feature：

 'Value passed to parameter 'x' has DataType string not in list of allowed 
  values: int32, int64, float32, float64'.

我真的很感谢你的帮助

Answer 1

tf.contrib.layers.sparse_column_with_integerized_feature仅适用于int32或int64值，因此无法完全按照您的要求运行。

但tensorflow支持数字列中的多维，因此您可以使用tf.feature_column.numeric_column并指定您拥有的shape。请注意，张量流将期望所有这些形状都相同，因此您需要将所有值填充到一个共同的形状。

冒号':'分隔符适用于多价列，here's an example如何使用pandas将多个值读入DataFrame（问题与XML有关，但对CSV有效） 。您可以将此model.train()传递给input_fn的数据框。