tensorflow feature_column详解
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://github.com/AlbertBJ/estimator
欢迎star
下面 大概 说一下 fc（feature_column）的作用，
这是 官方的 对 fc在 tf的life time的定义：fc原始数据和estimator模型之间的桥梁
下面这张图 也是 从 官方来的，关于 fc的分类的，这个结构很重要，因为下面有的function的参数类型是有特定要求的。
1。 先说一下 input layer
tf.feature_column.input_layer(
features,
feature_columns,
weight_collections=None,
trainable=True,
cols_to_vars=None,
cols_to_output_tensors=None
)
使用 input_layer 作为model的一个 input layer
features:字典，最主要的是 dict的key一定要与 feature_columns的key一致，后续才能 才能根据key进行匹配
feature_columns：改参数必须是 继承于DenseColumn的numeric_column, embedding_column, bucketized_column, indicator_column。如果feature是类别的，那么必须先 用embedding_column or indicator_column封装一下使用.注意此处fc要求的类型。
2。tf.feature_column.numeric_column
numeric_column这个api没有什么 可多说的，就是 用来标识feature类型，以及 normalization的操作。要记住，为什么需要 这个api，因为进入 nn的数据必须是数字类型的，关于参数 说明，以及例子，见github
3.categorical_column_with_*
这几个方法 都是 将 原始数据转换为 类别数据的API,比如，将 '男'，‘女’分别标示为0,1。在github上对每一个 API都有操作和说明
4。 tf.feature_column.indicator_column
tf.feature_column.indicator_column(categorical_column)
参数：
必须是categorical_column，如上面图可知 ，只有 categorical_column_with_* ,crossed_column 以及bucketized_column 类型的column 才可以使用该函数
作用：将 categorical_column表示成 multi-hot形式的 dense tensor。
下面 官方 还特意 提到了 一点就是：
indicator_column 可以将 任意的 categorical_column_with_*作为参数（同我上面说的一致），
但是，如果 说 buckets/unique（分箱，或者 ont-hot） 的值 比较大的时候，还是 建议使用 embedding_column
5。 tf.feature_column.bucketized_column
tf.feature_column.bucketized_column(<br>
source_column,<br>
boundaries<br>
)
<br>分箱，目的是 离散化 数据，比如 将 年龄 字段 划分为 少年，青年，壮年以及老年<br>
参数：<br>
source_column: numeric_column
<br>
boundaries: 边界列表，形成 左闭右开 区间，比如 [1,2,3],那么拆分后的边界将是 (-inf,1),[1,2),[2,3),[3,+inf) 四个区间<br>
6。 tf.feature_column.crossed_column
<br>
tf.feature_column.crossed_column(<br>
keys,<br>
hash_bucket_size,<br>
hash_key=None<br>
)<br>
说明：该函数的作用主要是 通过笛卡尔积 产生 新的特征；然后经过hash算法 产生最终特征：Hash(特征的笛卡尔积) % hash_bucket_size<br>
参数：<br>
keys：指明 那些 feature 需要进行 合并 形成新的特征，注意，该值的类型可以是 string(也就是数据集的column),也可以是 经过变换后的 categoricalColumn, but,不支持 hashed categorical<br>
hash_bucket_size: 分箱的 长度，可以理解为 合并后 数据的列数<br>
7。 tf.feature_column.embedding_column<br>
tf.feature_column.embedding_column(<br>
categorical_column,<br>
dimension,<br>
combiner='mean',<br>
initializer=None,<br>
ckpt_to_load_from=None,<br>
tensor_name_in_ckpt=None,<br>
max_norm=None,<br>
trainable=True<br>
)<br>
该方法和indicator_column一样，只接受 categorical_column,目的是将 稀疏矩阵转换为稠密矩阵， word2vec<br>
参数：<br>
categorical_column:入参categorical_column_with_*的返回<br>
dimension: embedding 的维度，一般计算规则是 类别开4次方，但是也可以根据需要自行设置<br>
combiner: 多个 vector的 组合方式，有 mean(default),sqrtn以及sum<br>
initializer:embedding matrix的初始化值，默认 均值0，标准差 1/sqrt(dimension)的tf.truncated_normal_initializer <br>
ckpt_to_load_from以及tensor_name_in_ckpt 主要是为了使用pre-trained embedding matrix <br>
max_norm: if not 'None'，则使用l2 归一化<br>
trainable: 是否可训练的
详见上面 github地址
知乎：https://zhuanlan.zhihu.com/albertwang
微信公众号：AI-Research-Studio
下面是赞赏码