tf.feature_column.categorical_column_with_vocabulary_list

CategoricalColumn со словарем в памяти. (устаревшая функция)

Просмотреть псевдонимы

Псевдонимы совместимости для миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.feature_column.categorical_column_with_vocabulary_list

tf.feature_column.categorical_column_with_vocabulary_list(
    key, vocabulary_list, dtype=None, default_value=-1, num_oov_buckets=0
)

Используется в блокнотах

Используется в руководстве	Используется в учебных материалах
Перенос `tf.feature_column`s в слои предварительной обработки Keras Оценщики	Классификация структурированных данных с помощью столбцов признаков Создание линейной модели с помощью оценщиков Полный пример использования средства чтения TensorFlow для BigQuery

Используйте эту функцию, если входные данные представлены строками или целыми числами и у вас есть словарь в памяти, сопоставляющий каждое значение с целочисленным идентификатором. По умолчанию значения, отсутствующие в словаре, игнорируются. Используйте либо num_oov_buckets, либо default_value (но не оба параметра), чтобы указать, как включать значения, отсутствующие в словаре.

Для входного словаря features значение features[key] должно быть либо Tensor, либо SparseTensor. Если Tensor, отсутствующие значения можно представить как -1 для целых чисел и '' для строк; этот столбец признаков будет исключать их.

Пример с num_oov_buckets: в следующем примере каждому входному значению в vocabulary_list присваивается идентификатор от 0 до 3, соответствующий его индексу (например, для входного значения 'B' будет получен результат 2). Все остальные входные значения хешируются, и им присваиваются идентификаторы от 4 до 5.

colors = categorical_column_with_vocabulary_list(
    key='colors', vocabulary_list=('R', 'G', 'B', 'Y'),
    num_oov_buckets=2)
columns = [colors, ...]
features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
linear_prediction, _, _ = linear_model(features, columns)

Пример с default_value: в следующем примере каждому входному значению в vocabulary_list присваивается идентификатор от 0 до 4, соответствующий его индексу (например, для входного значения 'B' будет получен результат 3). Всем остальным входным значениям присваивается default_value 0.

colors = categorical_column_with_vocabulary_list(
    key='colors', vocabulary_list=('X', 'R', 'G', 'B', 'Y'), default_value=0)
columns = [colors, ...]
features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
linear_prediction, _, _ = linear_model(features, columns)

Чтобы создать эмбеддинг с любым из этих вариантов:

columns = [embedding_column(colors, 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. Используется как имя столбца и ключ словаря для конфигураций анализа признаков, объектов `Tensor` и столбцов признаков.
`vocabulary_list`	Упорядоченная итерируемая последовательность, задающая словарь. Каждому признаку сопоставляется индекс его значения (если оно присутствует) в `vocabulary_list`. Должна допускать приведение к типу `dtype`.
`dtype`	Тип признаков. Поддерживаются только строковый тип и целочисленный тип. Если задано значение `None`, тип определяется по `vocabulary_list`.
`default_value`	Целочисленное значение идентификатора, возвращаемое для значений признаков, отсутствующих в словаре; по умолчанию — `-1`. Нельзя задавать одновременно с положительным значением `num_oov_buckets`.
`num_oov_buckets`	Неотрицательное целое число — количество корзин для значений, отсутствующих в словаре. Всем таким входным значениям присваиваются идентификаторы в диапазоне `[len(vocabulary_list), len(vocabulary_list)+num_oov_buckets)` на основе хеша входного значения. Положительное значение `num_oov_buckets` нельзя задавать одновременно с `default_value`.

Возвращает
`CategoricalColumn` со словарем в памяти.

Вызывает исключения
`ValueError`	если `vocabulary_list` пуст или содержит повторяющиеся ключи.
`ValueError`	`num_oov_buckets` является отрицательным целым числом.
`ValueError`	одновременно заданы `num_oov_buckets` и `default_value`.
`ValueError`	если `dtype` не является целым числом или строкой.

© 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_list