tf.feature_column.categorical_column_with_vocabulary_file

Столбец категориальных признаков с файлом словаря. (устаревший)

tf.feature_column.categorical_column_with_vocabulary_file(
    key,
    vocabulary_file,
    vocabulary_size=None,
    dtype=tf.dtypes.string,
    default_value=None,
    num_oov_buckets=0,
    file_format=None
)

Используйте этот столбец, когда ваши входные данные находятся в строчном или целочисленном формате, и у вас есть файл словаря, который сопоставляет каждое значение с целочисленным идентификатором. По умолчанию значения, отсутствующие в словаре, игнорируются. Используйте любой (но не оба) из num_oov_buckets и default_value, чтобы указать, как включать значения, отсутствующие в словаре.

Для входного словаря features, features[key] является либо Tensor, либо SparseTensor. Если Tensor, пропущенные значения могут быть представлены как -1 для целых чисел и как '' для строк, которые будут отброшены этим столбцом признаков.

Пример с num_oov_buckets: Файл '/us/states.txt' содержит 50 строк, каждая из которых содержит сокращение штата США из 2 символов. Все входные данные со значениями в этом файле получают ID 0-49, соответствующий номеру строки. Все остальные значения хешируются и получают ID 50-54.

states = categorical_column_with_vocabulary_file(
    key='states', vocabulary_file='/us/states.txt', vocabulary_size=50,
    num_oov_buckets=5)
columns = [states, ...]
features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
linear_prediction = linear_model(features, columns)

Пример с default_value: Файл '/us/states.txt' содержит 51 строку — первая строка — 'XX', а остальные 50 содержат сокращения штатов США из 2 символов. Как буквальное 'XX' в входных данных, так и другие значения, отсутствующие в файле, будут присвоены ID 0. Все остальные значения получают соответствующий номер строки 1-50.

states = categorical_column_with_vocabulary_file(
    key='states', vocabulary_file='/us/states.txt', vocabulary_size=51,
    default_value=0)
columns = [states, ...]
features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
linear_prediction, _, _ = linear_model(features, columns)

И для создания встраивания с любым из:

columns = [embedding_column(states, 3),...]
features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
dense_tensor = input_layer(features, columns)

Аргументы
`key`	Уникальная строка, идентифицирующая входной признак. Она используется в качестве имени столбца и ключа словаря для конфигурации разбора признаков, объектов признаков `Tensor` и столбцов признаков.
`vocabulary_file`	Имя файла словаря.
`vocabulary_size`	Количество элементов в словаре. Это значение должно быть не больше длины `vocabulary_file`; если меньше, последующие значения игнорируются. Если None, оно устанавливается в длину `vocabulary_file`.
`dtype`	Тип признаков. Поддерживаются только строковые и целочисленные типы.
`default_value`	Целочисленное значение ID, возвращаемое для значений признаков, отсутствующих в словаре; по умолчанию равно `-1`. Это значение нельзя указать с положительным `num_oov_buckets`.
`num_oov_buckets`	Неотрицательное целое число, количество ведер для значений, отсутствующих в словаре. Все входные данные, отсутствующие в словаре, будут присвоены ID в диапазоне `[vocabulary_size, vocabulary_size+num_oov_buckets)` на основе хэша входного значения. Положительное `num_oov_buckets` не может быть указано вместе с `default_value`.
`file_format`	Формат файла словаря. По умолчанию — 'text', за исключением случаев, когда `vocabulary_file` является строкой, заканчивающейся на 'tfrecord.gz'. Принимается альтернативное значение для `file_format` — 'tfrecord_gzip'.

Возвращает
Столбец категориальных признаков с файлом словаря.

Исключения
`ValueError`	Файл `vocabulary_file` отсутствует или не может быть открыт.
`ValueError`	Файл `vocabulary_size` отсутствует или меньше 1.
`ValueError`	`num_oov_buckets` — отрицательное целое число.
`ValueError`	`num_oov_buckets` и `default_value` указаны одновременно.
`ValueError`	`dtype` не является строкой или целым числом.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/feature_column/categorical_column_with_vocabulary_file