总结以下类型的用法
tf.feature_column.numeric_column、
tf.feature_column.bucketized_column、
tf.feature_column.categorical_column_with_hash_bucket、
tf.feature_column.embedding_column、
tf.feature_column.shared_embedding_columns、
tf.feature_column.indicator_column、
tf.feature_column.crossed_column
以下是对每个特征列的详细说明,包括它们的作用、适用场景、示例,以及在 Wide & Deep 模型中的应用侧。
1. tf.feature_column.numeric_column
- 作用: 表示数值特征,适用于连续值特征。
- 应用侧: 通常用于 Deep 侧。
- 适用场景:
- 例子 1: 房价预测中的面积(如平方英尺)。
- 例子 2: 用户行为分析中的浏览时间(如秒数)。
示例:
area = tf.feature_column.numeric_column("area") # 面积
browse_time = tf.feature_column.numeric_column("browse_time") # 浏览时间
2. tf.feature_column.bucketized_column
- 作用: 将数值特征分桶(离散化),将连续值映射到离散的区间。
- 应用侧: 可以用于 Wide 侧和 Deep 侧。
- 适用场景:
- 例子 1: 将用户年龄分段(如18-25、26-35等)。
- 例子 2: 将收入分段(如低收入、中等收入、高收入)。
示例:
age = tf.feature_column.numeric_column("age")
age_buckets = tf.feature_column.bucketized_column(age, boundaries=[18, 25, 35, 45, 55, 65]) # 年龄分段
3. tf.feature_column.categorical_column_with_hash_bucket
- 作用: 表示高基数的分类特征,通过哈希函数将特征值映射到固定数量的桶中。
- 应用侧: 通常用于 Wide 侧。
- 适用场景:
- 例子 1: 用户ID(如“user_12345”)。
- 例子 2: 产品ID(如“product_67890”)。
示例:
user_id = tf.feature_column.categorical_column_with_hash_bucket("user_id", hash_bucket_size=10000) # 用户ID
product_id = tf.feature_column.categorical_column_with_hash_bucket("product_id", hash_bucket_size=5000) # 产品ID
4. tf.feature_column.embedding_column
- 作用: 将分类特征映射到低维稠密向量(嵌入向量),通常用于深度学习模型。
- 应用侧: 通常用于 Deep 侧。
- 适用场景:
- 例子 1: 推荐系统中的用户嵌入表示。
- 例子 2: 自然语言处理中的词嵌入。
示例:
user_id = tf.feature_column.categorical_column_with_hash_bucket("user_id", hash_bucket_size=10000)
user_id_embedding = tf.feature_column.embedding_column(user_id, dimension=16) # 用户ID嵌入
5. tf.feature_column.shared_embedding_columns
- 作用: 将多个分类特征共享同一个嵌入向量空间,适用于多个特征具有相似的语义空间。
- 应用侧: 通常用于 Deep 侧。
- 适用场景:
- 例子 1: 多语言文本处理中的词嵌入。
- 例子 2: 推荐系统中用户和物品的共同嵌入。
示例:
user_id = tf.feature_column.categorical_column_with_hash_bucket("user_id", hash_bucket_size=10000)
product_id = tf.feature_column.categorical_column_with_hash_bucket("product_id", hash_bucket_size=5000)
shared_embedding = tf.feature_column.shared_embedding_columns([user_id, product_id], dimension=16) # 共享嵌入
6. tf.feature_column.indicator_column
- 作用: 将分类特征转换为稀疏的独热编码(one-hot encoding),用于表示每个类别的存在与否。
- 应用侧: 通常用于 Wide 侧。
- 适用场景:
- 例子 1: 处理低基数的分类特征,如性别(“male”、“female”)。
- 例子 2: 颜色特征(“red”、“green”、“blue”)。
示例:
gender = tf.feature_column.categorical_column_with_vocabulary_list("gender", ["male", "female"]) # 性别
gender_indicator = tf.feature_column.indicator_column(gender) # 性别独热编码
7. tf.feature_column.crossed_column
- 作用: 创建交叉特征,用于捕捉多个特征之间的相互关系。
- 应用侧: 通常用于 Wide 侧。
- 适用场景:
- 例子 1: 捕捉用户特征和产品特征之间的关系(如用户的地理位置和购买的产品)。
- 例子 2: 组合地理位置和时间段的特征(如“北京-早上”)。
示例:
location = tf.feature_column.categorical_column_with_hash_bucket("location", hash_bucket_size=1000) # 地理位置
time_of_day = tf.feature_column.categorical_column_with_vocabulary_list("time_of_day", ["morning", "afternoon", "evening", "night"]) # 时间段
location_time_cross = tf.feature_column.crossed_column([location, time_of_day], hash_bucket_size=10000) # 交叉特征
总结
通过明确每个特征列的作用、适用场景和示例,可以更好地理解如何在 Wide & Deep 模型中有效地使用这些特征列,以提高模型的性能和表达能力。