【feature_column处理】- bucketized_column分桶列

1. 在做特征处理的时候，我们不希望把一个数值直接传给模型，而是根据数值的范围对值分到不同的categories
这个时候就用到了tf.feature_column.bucketized_column
2.原理很简单，如图
比如你对一个日期的特征要做处理，可以利用分桶的方式把它分到任意一个bucket里面

给日期出分桶结果

日期	分桶表示
1993	[1, 0, 0, 0]
2008	[0, 1, 0, 0]
2015	[0, 0, 1, 0]
2021	[0, 0, 0, 1]

3. bucketized_column函数

def bucketized_column(source_column, boundaries):

参数说明

参数	参数说明
source_column	输入特征的key，这里注意必须是numeric_column
boundaries	分桶的边界，比如boundaries=[0., 1., 2.],产生的bucket就是, (-inf, 0.), [0., 1.), [1., 2.), and [2., +inf), 每一个区间分别表示0, 1, 2, 3,所以相当于分桶分了4个

4. 举例

import tensorflow as tf
sess = tf.Session()
ydata = {"Year": [[1993], [2008], [2015], [2021]]}
numeric_feature_column = tf.feature_column.numeric_column("Year")

bucketized_feature_column = tf.feature_column.bucketized_column(
    source_column=numeric_feature_column,
    boundaries=[2000, 2010, 2020])
print(sess.run(tf.feature_column.input_layer(ydata, [bucketized_feature_column])))

5. 结果

[[1. 0. 0. 0.] #1993
 [0. 1. 0. 0.] #2008
 [0. 0. 1. 0.] #2015
 [0. 0. 0. 1.]] #2021

有兴趣可以看我的专栏： 今天你面试了吗？