当前位置:   article > 正文

【学习笔记】字符串转化为特征_字符串可以作为特征输入模型么

字符串可以作为特征输入模型么

在嵌套的练习中,我们首先要处理下tfrecord格式的文件,关于tfrecord的处理建议看一下这篇文章

我们这里主要讲解一下对于得到的字符串如何转化为特征输入。

先给出这次练习的: 训练集  验证集

我这里创建一个输入字典:

num = {'numbers': ['1', '1', '2', '3', '4', '5', '6'], 'prime': ['2', '3', '5', '7']}

再创立一个词汇表:

lst = ('1', '2')

下一步用词汇表返还字典的结果:

  1. column = tf.feature_column.categorical_column_with_vocabulary_list(key='numbers', vocabulary_list=lst)
  2. indicator = tf.feature_column.indicator_column(column)
  3. tensor = tf.feature_column.input_layer(num, [indicator])

我们打印出结果看看:

  1. with tf.Session() as sess:
  2. sess.run(tf.tables_initializer())
  3. print(sess.run(tensor))
  1. [[1. 0.]
  2. [1. 0.]
  3. [0. 1.]
  4. [0. 0.]
  5. [0. 0.]
  6. [0. 0.]
  7. [0. 0.]]

我们这里很明显可以看出,对于num字典只处理了key为numbers的values()

我们这里字典的长度为2, num中numbers的长度为7,返回的结果的shape是(7,2)

如果在神经网络中我们输入的字典shape为(None)  这里None表示为不定长。 字典长度为50,那么返回的结果为(None, 50)

很明显这不是我们想要的。

 

这里我们更改一下写法:</

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/码创造者/article/detail/988813?site
推荐阅读
相关标签
  

闽ICP备14008679号