【feature_column处理】- categorical_column_with_identity分类标识列

categorical_column_with_identity：把numerical data转乘one hot encoding
但是该函数不直接对文本的list进行处理

参数介绍：

def categorical_column_with_identity(key, 
									num_buckets, 
									default_value=None):

key： 要求输入features是一个字典，key是特征名称，value表示特征值。
num_buckets: 分桶的个数

输出：
N*num_buckets的矩阵，N表示样本的个数

案例

import tensorflow as tf

pets = {'animals': [2, 0, 1]}  #猪0，猫1，狗2

column = tf.feature_column.categorical_column_with_identity(
    key='animals',
    num_buckets=3)

indicator = tf.feature_column.indicator_column(column)
tensor = tf.feature_column.input_layer(pets, [indicator])

with tf.Session() as session:
        print(session.run([tensor]))

结果

[array([[0., 0., 1.],  #狗
       [1., 0., 0.],   #猪
       [0., 1., 0.]], dtype=float32)] #猫