【TensorFlow】(五)tf.feature_column.categorical_column_with_vocabulary_list()函数的作用及用法

1.作用

A sequence of categorical terms where ids are set by hashing.(翻译：将一个类别序列，进行hash映射。根据单词的序列顺序，把单词根据index转换成one hot encoding)

输入：

key	一个唯一的字符串识别输入功能。
vocabulary_file	词汇文件名。或者词的set集合。
vocabulary_size	在词汇中元素的个数。这必须是不大于长度vocabulary_file ，如果低于长，后来值将被忽略。如果没有，它被设置为长度vocabulary_file 。
num_oov_buckets	非负整数，词典外桶的数量。外的词汇所有输入将在范围内分配的ID [vocabulary_size, vocabulary_size+num_oov_buckets)基于所述输入值的散列。正num_oov_buckets不能指定default_value 。
default_value	整数ID值返回为外的词汇特征值，默认为-1 。这不能以积极的指定num_oov_buckets 。
dtype	该类型的特征。只有字符串和整数类型的支持。

输出：

一个SequenceCategoricalColumn 。

2.例子

import tensorflow as tf
sess=tf.Session()

#特征数据
features = {
    'sex': ['male', 'male', 'female', 'female'],
}
#特征列
sex_column = tf.feature_column.categorical_column_with_vocabulary_list('sex', ['male', 'female'])
sex_column = tf.feature_column.indicator_column(sex_column)
#组合特征列
columns = [sex_column]
#输入层（数据，特征列）
inputs = tf.feature_column.input_layer(features, columns)
#初始化并运行
init = tf.global_variables_initializer()
sess.run(tf.tables_initializer())
sess.run(init)

v=sess.run(inputs)
print(v)

输出：

[[1. 0.]
 [1. 0.]
 [0. 1.]
 [0. 1.]]

 

参考：

1.官方文档：https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/feature_column/sequence_categorical_column_with_hash_bucket

2.知乎例子：https://zhuanlan.zhihu.com/p/73701872