Tensorflow：拥有多个特征列和拥有一个具有多个维度的特征列有什么区别？

Question

我正在尝试通过简单的tf.contrib.learn.LinearRegressor 开始使用 TensorFlow。我的数据集是一个时间序列，我想使用T-n, ..., T-1 的步骤作为特征，T-0 作为标签。所有值都是浮点数，所以我很自然地认为我会将每个时间步变成real_valued_column 功能。

但是，这些列具有dimension= 属性，并且在 TF 网站 they use 上的 Iris 数据集的示例中，具有四个维度的单个列作为特征。我会认为这里的四个属性（萼片宽度/长度，花瓣宽度/长度）中的每一个都应该成为它自己的特征，因此它是自己的real_valued_column。我的理解错了吗？这些方法有什么区别？

Answer 1

每朵花都由它的四个属性表示，因此您的特征矩阵确实有 4 列。但是要训练分类器，您不能单独获取每个特征，因为它们可能与花所属的类相关.所以维度设置为维度= 4.将real_valued_column视为一组列（它们的数量是维度），它们形成一个特征矩阵。