tensorflow2.x学习笔记二十六：特征列feature_column

最新推荐文章于 2024-04-12 12:34:01 发布
最新推荐文章于 2024-04-12 12:34:01 发布
阅读量2.5k 收藏 6
点赞数
分类专栏： # TensorFlow2.x学习笔记 文章标签： 深度学习 tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39507748/article/details/105523022
版权
本文介绍了TensorFlow2.x中的特征列feature_column，主要用于结构化数据的特征工程，包括数值列、分桶列、分类标识列等多种类型。特征列能够将数据转换为模型可接受的形式，如将类别特征编码。文中通过一个完整的Titanic生存问题的案例展示了如何使用特征列构建数据管道、定义模型并进行训练和评估。
摘要由CSDN通过智能技术生成

特征列feature_column

特征列 通常用于对结构化数据实施特征工程时候使用，图像或者文本数据一般不会用到特征列。

一，特征列用法概述

  • 使用特征列可以将类别特征转换为one-hot编码特征，将连续特征构建分桶特征，以及对多个特征生成交叉特征等等。

  • 要创建特征列，请调用 tf.feature_column模块的函数。该模块中常用的九个函数如下图所示，所有九个函数都会返回一个 Categorical-Column或一个 Dense-Column对象，但却不会返回 bucketized_column，后者继承自这两个类。

  • 注意：所有的Catogorical Column类型最终都要通过indicator_column转换成Dense Column类型才能传入模型！
    在这里插入图片描述

  • numeric_column ：数值列&

了解本专栏 订阅专栏 解锁全文 超级会员免费看
耐心的小黑
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
tensorflow2.x学习笔记二十九：官方API文档小总结
耐心的小黑的博客
12-06 2181
一、tf下的常用API(下面这几个都比较常用，主要是定义处理数据) 1、tf.constant,tf.variable(它有比constant更多的属性，比如.assign，.assign_add， .assign_sub，这几个属性是直接将返回值给var变量本身，也即直接改变本身的值), tf.string,tf.range,tf.ones,tf.zeros,tf.linespace;tf.meshgrid.tf.RaggedTensor；定义数据 2、tf.fill,tf.shape,tf.one
第三章：新版tensorflow入门，处理特征列
amao1998的博客
05-04 3315
1、概述特征列是原始数据与模型之间进行链接的桥梁。一般来说，人工智能的本质是要进行权重与偏置的运算用来确定模型的形态。在使用之前的tensorflow版本时，都需要预先将数据进行类型、分布的处理，才能被人工智能模型所使用。而特征列的出现则使得数据处理的工作变得简单的多。2、特征列的作用特征列主要解决对用户数据进行预处理与特征化的处理，这种技术的出现主要是原始输入数据的多样性。如下图所示，您可以通过...
特征列
weixin_43242454的博客
06-12 360
https://blog.csdn.net/u014021893/article/details/80423112
【tensorflow学习】FeatureColumn 的作用
Adrianna的专栏
06-01 4204
A FeatureColumn represents a single feature in your data. A FeatureColumn may represent a quantity like ‘height’, or it may represent a category like ‘eye_color’ where the value is drawn from a set of
feature columns
XianxinMao的博客
05-15 361
think of feature columns as the intermediaries between raw data and estimators. feature columns are very rich, enabling you to transform a diverse range of raw data into formats that estimators can us...
tensorflow feature_column详解
热门推荐
未来战警
06-03 1万+
关于 feature_column官网说的 还比较少，其它说明 大多数 都是 直接 翻译 官网解释，很明显，达不到效果，现在 对feature_column进行说明，更详细的说明，可以参照github： https://github.com/AlbertBJ/tensorflow-summary 此外，我还对 estimator进行了总结 以及 如何使用的 例子，github: https:...
TensorFlow系列——feature_column特征工具说明
有信念，才能走的更远
05-16 3055
一、一些工具 1、三种本地打印输出非序列sequence数据的feature_column转换后的值的方法 适用于TensorFlow1.x import tensorflow as tf from tensorflow.python.feature_column import feature_column_v2 as fc_v2 from tensorflow.python.feature_column import feature_column as fc # 注意：只有方式2会检查输入数据是否
Tensorflow2.x——FeutureColumns特征列详解
一抹烟霞的博客
06-22 619
文章目录特征列`feature_column`一，特征列用法概述二、数值列 Numeric column三、分箱列 Bucketized column四、分类识别列Categorical identity column五、分类词汇列Categorical vocabulary column六、分类词汇列categorical_column_with_vocabulary_file七、哈希列categorical_column_with_hash_bucket八、交叉列Crossed column九、指示列I
tensorflow学习笔记(2)：创建自定义Estimator
樛木
06-12 2496
详细教程：https://www.tensorflow.org/get_started/custom_estimators 预创建的 Estimator 是 tf.estimator.Estimator 基类的子类，而自定义 Estimator 是 tf.estimator.Estimator 的实例： 模型函数（即 model_fn）会实现机器学习算法。采用预创建的 Estimator ...
TensorFlow2.0使用DenseFeature作为Functional API第一层时所遇到的问题
01-06
本人小白，这几天在学习TensorFlow2.0，想使用Keras的Functional API来搭建一个简单的网络。 起初是按照网上的“心脏病预测实例”一步一步的操作，ok，没什么大问题。但我打算把model的表达方式用Functional API的方式来实现时却报错AttributeError: ‘DenseFeatures’ object has no attribute ‘shape’。 下面是我的代码，其余部分就不贴出来了，和例子一样。 # 以下为我自己改写的代码 feature_layer = tf.keras.layers.DenseFeatures(feature_column
Tensorflow 学习笔记（用 tf.data 加载 CSV 数据）
DNDAW的博客
09-01 1152
全篇以tensorflow案例作为来源 这篇教程使用的是泰坦尼克号乘客的数据。模型会根据乘客的年龄、性别、票务舱和是否独自旅行等特征来预测乘客生还的可能性。 首先导入需要的模块 import functools import numpy as np import tensorflow as tf import tensorflow_datasets as tfds TRAIN_DATA_URL和TEST_DATA_URL是数据集的网址，使用tf.keras.utils.get_file从TRAIN_.
学习笔记：能用20-50个模型说明tensorflow？
最新发布
kingking44的博客
04-12 1062
TensorFlow 是一个广泛应用于机器学习和深度学习的开源框架，提供了丰富的功能和工具来构建和训练神经网络模型。 先来 20 个 TensorFlow 相关的实现示例，每个示例都包含基本的调用范例：线性回归模型： 卷积神经网络（CNN）： 循环神经网络（RNN）： 生成对抗网络（GAN）： 自编码器（Autoencoder）： 预训练模型迁移学习： K-Means 聚类： **Word2Vec**： 序列到序列模型： 多层感知机（MLP）： 自定义损失函数：
TensorFlow学习（3）特征列的学习
La0sj的博客
05-25 1万+
因为比较菜，所以记录在保证没有歧义和准确的前提下尽量的口语化。 参考文章：https://www.tensorflow.org/get_started/premade_estimators 什么叫特征列 我们可以肤浅的将机器学习模型理解成一个算法函数，算法的本质中有几个特性：其中一个是要求必须要有输入参数（装逼的说法叫刺激），然后需要有一个输出。这里输出的参数就是特征，输出就是预...
tensorflow基础之——tf.feature_column, tf.estimator, pre_estimator
zhao_crystal的博客
01-31 2262
import tensorflow as tf from tensorflow import keras import pandas as pd import pprint train_file = '/content/drive/MyDrive/data/titanic/train.csv' eval_file = '/content/drive/MyDrive/data/titanic/eval.csv' train_d
深度学习 - 26.TF TF2.x tf.feature_column 详解
BITDDD小栈
07-30 2130
一.引言 上一篇文章Tensorflow - TF1.x VS TF2.x tf.feature_column介绍了 feature_column 在 TF1.x 与 TF 2.x 在使用上的区别，这里介绍一下 feature_column 中用到的特征列以及对应方法。 二.feature_column 整体介绍 1.整体关系 feature_column 模块中包含下述9个函数，除 buketized_column 函数外，其他函数只能返回 Categorical Column 或 D....
tensorflow 特征预处理总结
poilkj110的博客
06-16 1129
本文总结几种出现在tensorflow 的 feature_column api 的处理函数 1. feature_column 主要是连接数据和tf.estimator 之间的桥梁，将原始数据中的一些离散型、类别型特征转化成tensorflow 可使用的类型。并且神经网络只能处理数值型数据，而且在某些就算是数值类型的特征也需要做归一化，离散化等操作，这些都需要依赖feature_column 来做转化。 一般流程是：定义input_fn 来过滤、填补数据，然后输出到tf.feature_column
pandas DataFrame 用法--查看和选择数据
一分耕耘一分收获
11-15 9095
1.使用 .head() 查看 DataFrame 头部数据 2.使用 .tail() 查看 DataFrame 尾部数据 3.使用 .describe() 查看 DataFrame 统计数据 4.使用 .T查看 DataFrame 转置数据 5. 使用 .sort_index() 查看按照轴排序的数据 6. 使用 .sort_values() 查看按照值排序的数据 7.at 函数：通过行名和列名来取值（取行名为a, 列名为A的值） 8.iat 函数...
tf.feature_column详解及避坑攻略
htbeker的博客
01-06 9715
在使用tensorflow搭建模型时会有特征工程的工作，今天介绍一下tensorflow做特征工程的api：tf.feature_column。 feature_column 输入输出类型 1.深度模型的输入必须是Dense类型，所有输出是categorical类型需要经过indicator或者embedding的转换才可以 2.indicator, embedding, bucketized的输入不能是原始特征，前两者只能是categorical类型的feature_column, 后者只能是numer
TensorFlow 2 学习笔记：从基本函数到 Keras 应用
TensorFlow 2 学习笔记——从底层函数解析到 Keras 应用 TensorFlow 是一个开源的机器学习框架，由 Google 开发，广泛应用于深度学习和机器学习领域。TensorFlow 2 是 TensorFlow 的最新版本，具有许多新的功能和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

耐心的小黑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值