Tensorflow 特征列说明

总结以下类型的用法
tf.feature_column.numeric_column、
tf.feature_column.bucketized_column、
tf.feature_column.categorical_column_with_hash_bucket、
tf.feature_column.embedding_column、
tf.feature_column.shared_embedding_columns、
tf.feature_column.indicator_column、
tf.feature_column.crossed_column

以下是对每个特征列的详细说明，包括它们的作用、适用场景、示例，以及在 Wide & Deep 模型中的应用侧。

1. tf.feature_column.numeric_column

• 作用: 表示数值特征，适用于连续值特征。
• 应用侧: 通常用于 Deep 侧。
• 适用场景:
  • 例子 1: 房价预测中的面积（如平方英尺）。
  • 例子 2: 用户行为分析中的浏览时间（如秒数）。

示例:

area = tf.feature_column.numeric_column("area")  # 面积
browse_time = tf.feature_column.numeric_column("browse_time")  # 浏览时间

2. tf.feature_column.bucketized_column

• 作用: 将数值特征分桶（离散化），将连续值映射到离散的区间。
• 应用侧: 可以用于 Wide 侧和 Deep 侧。
• 适用场景:
  • 例子 1: 将用户年龄分段（如18-25、26-35等）。
  • 例子 2: 将收入分段（如低收入、中等收入、高收入）。

示例:

age = tf.feature_column.numeric_column("age")
age_buckets = tf