如何在Tensorflow模型中添加One-Hot层？

Question

我想在Tensorflow 2模型中添加一个One-Hot编码层。这就是我到目前为止所知道的：

import pandas as pd
import tensorflow as tf

# import CSV file to pandas DataFrame called df
# set categorical (CAT_COLUMNS) and numerical (NUM_COLUMNS) features

feature_cols = []

# Create IndicatorColumn for categorical features
for feature in CAT_COLUMNS:
  vocab = df[feature].unique()
  feature_cols.append(tf.feature_column.indicator_column(
      tf.feature_column.categorical_column_with_vocabulary_list(feature, vocab)))

# Create NumericColumn for numerical features
for feature in NUM_COLUMNS:
  feature_cols.append(tf.feature_column.numeric_column(feature, dtype=tf.int32))

print(feature_cols)

我应该如何在Tensorflow模型中使用feature_cols，以便One-Hot仅应用于分类特征？

model = tf.keras.Sequential([
                             tf.keras.layers.Dense(units=1, input_shape=[len(df.columns)]),
                             tf.keras.layers.Dense(units=128, activation=tf.nn.relu),
                             tf.keras.layers.Dense(units=1, activation=tf.nn.softmax)
                            ])

Answer 1

使用tf.keras.layers.experimental.preprocessing。

有关示例，请阅读https://www.tensorflow.org/tutorials/structured_data/preprocessing_layers。

Answer 2

我认为您可以提供分类特征和数字特征作为单独的输入，并使用tf.keras.layers.Concatenate将它们组合在一起。