tensorflow的特征工程函数

1、

# creates a real valued column for dense numeric data

tf.contrib.layers.real_valued_column(    column_name,    dimension=1,    default_value=None,    dtype=tf.dtypes.float32,    normalizer=None)

2、我们无法将字符串直接输入模型。相反，我们必须先将字符串映射到数字或分类值。分类词汇列提供了一种以 one-hot 矢量表示字符串的好方法

 tf.feature_column.categorical_column_with_vocabulary_list(
     key,
     vocabulary_list,
     dtype=None,
     default_value=-1,
     num_oov_buckets=0
 )

3、

 """
 For DNN model, indicator_column can be used to wrap any categorical_column_* (e.g., to feed to DNN). Consider to Use embedding_column if the number of buckets/unique(values) are large.

 For Wide (aka linear) model, indicator_column is the internal representation for categorical column when passing categorical column directly (as any element in feature_columns) to linear_model. See linear_model for details.
 """

 tf.feature_column.indicator_column(categorical_column)

4、对列进行embedding

 tf.feature_column.embedding_column(
     categorical_column,
     dimension,
     combiner='mean',
     initializer=None,
     ckpt_to_load_from=None,
     tensor_name_in_ckpt=None,
     max_norm=None,
     trainable=True
 )

5、对于数值形特征

tf.feature_column.numeric_column('age')

6、分箱离散化

在处理连续值特征的时候通常会做分箱的操作。在tensorflow中可以这样做：

age_buckets = tf.feature_column.bucketized_column(
    age, boundaries=[18, 25, 30, 35, 40, 45, 50, 55, 60, 65])

7、特征交叉处理，这也是很场景的一种特征处理方法，经常能学习到联合特征的权重

 tf.feature_column.crossed_column(fea_list, hash_bucket_size=hash_size)

8、tf.SparseTensor()

• indices：density_shape[N, ndims]的2-D int64张量,指定稀疏张量中包含非零值(元素为零索引)的元素的索引.例如,indices=[[1,3], [2,4]]指定索引为[1,3]和[2,4]的元素具有非零值.
• values：任何类型和dense_shape [N]的一维张量,它提供了indices中的每个元素的值.例如,给定indices=[[1,3], [2,4]]的参数values=[18, 3.6]指定稀疏张量的元素[1,3]的值为18,张量的元素[2,4]的值为3.6.
• dense_shape：density_shape[ndims]的一个1-D int64张量,指定稀疏张量的dense_shape.获取一个列表,指出每个维度中元素的数量.例如,dense_shape=[3,6]指定二维3x6张量,dense_shape=[2,3,4]指定三维2x3x4张量,并且dense_shape=[9]指定具有9个元素的一维张量.

 SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4])