如何为 TensorFlow 分类器创建特征列

Question

我在 csv 文件中有一个非常简单的二进制 classification 数据集，如下所示：

"feature1","feature2","label"
1,0,1
0,1,0
...

其中 "label" 列表示 class（1 为正数，0 为负数）。特征的数量实际上相当多，但对于那个问题来说并不重要。

这是我读取数据的方式：

train = pandas.read_csv(TRAINING_FILE)
y_train, X_train = train['label'], train[['feature1', 'feature2']].fillna(0)

test = pandas.read_csv(TEST_FILE)
y_test, X_test = test['label'], test[['feature1', 'feature2']].fillna(0)

我想运行 tensorflow.contrib.learn.LinearClassifier 和 tensorflow.contrib.learn.DNNClassifier 那个数据。例如，我这样初始化 DNN：

classifier = DNNClassifier(hidden_units=[3, 5, 3],
                               n_classes=2,
                               feature_columns=feature_columns, # ???
                               activation_fn=nn.relu,
                               enable_centered_bias=False,
                               model_dir=MODEL_DIR_DNN)

那么当所有特征也是二元的（0 或 1 是唯一可能的值）时，我应该如何创建 feature_columns？

下面是模型训练：

classifier.fit(X_train.values,
                   y_train.values,
                   batch_size=dnn_batch_size,
                   steps=dnn_steps)

用输入函数替换 fit() 参数的解决方案也很好。

谢谢！

P.S。我正在使用 TensorFlow 版本 1.0.1

Answer 1

我刚刚找到了解决方案，它非常简单：

feature_columns = tf.contrib.learn.infer_real_valued_columns_from_input(X_train)

显然 infer_real_valued_columns_from_input() 适用于分类变量。

Answer 2

可以直接使用 tf.feature_column.numeric_column :

feature_columns = [tf.feature_column.numeric_column(key = key) for key in X_train.columns]

如何为 TensorFlow 分类器创建特征列

How to create feature columns for TensorFlow classifier

machine-learning

tensorflow

neural-network

deep-learning

tflearn