tensorflow 宽模型：如何使用 one-hot 功能？

Question

我在https://www.tensorflow.org/versions/r0.9/tutorials/wide_and_deep/index.html 中阅读了有关该模型的信息 文章中的特征有两种类型：Categorical 和 Continuous

在我的例子中，我有一个描述用户 ID 的列，范围从 0 到 10000000

我将此列视为 Categorical 并使用 hash-bucket ，但仅获得大约 0.50010 的池 auc 值

1)是否需要使用one-hot来处理这个id列？

2）如果需要，如何实现？我找到了一个 "tf.contrib.layers.one_hot_encoding" ，但它不支持列名，所以不能在wide-n-deep demo中使用。

Answer 1

不，您不需要对 UserID 列进行编码。每个值都是唯一的，不是分类值。当类别少于 1000 个时，一次热编码是有意义的。

要回答您关于如何使用 one_hot_encoding 的问题，假设您有一个标签列表（注意它们必须是整数）：

import tensorflow as tf

with tf.Session() as sess:
    labels = [0, 1, 2, 3]
    labels_t = tf.constant(labels)
    num_classes = len(labels)

    one_hot = tf.contrib.layers.one_hot_encoding(labels_t, num_classes=num_classes)
    print(one_hot.eval())