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中读到过这个模型，文章中的特性有两种类型:分类和连续

在我的示例中，我有一列描述用户I，范围从0到10000000

我将此列视为分类并使用hash-bucket，但仅获得了大约0.50010的池AUC值

1)是否需要使用one-hot来处理该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，所以不能在宽n深的演示中使用。

Answer 1

不，您不需要对UserID列进行编码。每个值都是唯一的，不是分类的值。当类别少于1000个时，使用one-hot-encode是有意义的。

为了回答你关于如何使用one_hot_encoding的问题，假设你有一个标签列表(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())