tf.feature_column.crossed_column

Возвращает колонку для выполнения перекрещивания категориальных признаков.

tf.feature_column.crossed_column(
    keys, hash_bucket_size, hash_key=None
)

Пересекающиеся признаки будут хешированы в соответствии с hash_bucket_size. Понятийно, преобразование можно представить как: Hash(декартово произведение признаков) % hash_bucket_size

Например, если входные признаки:

• SparseTensor, на который ссылается первый ключ:

shape = [2, 2]
{
    [0, 0]: "a"
    [1, 0]: "b"
    [1, 1]: "c"
}

• SparseTensor, на который ссылается второй ключ:

shape = [2, 1]
{
    [0, 0]: "d"
    [1, 0]: "e"
}

то пересекающийся признак будет выглядеть так:

 shape = [2, 2]
{
    [0, 0]: Hash64("d", Hash64("a")) % hash_bucket_size
    [1, 0]: Hash64("e", Hash64("b")) % hash_bucket_size
    [1, 1]: Hash64("e", Hash64("c")) % hash_bucket_size
}

Вот пример создания линейной модели с перекрещиванием строковых признаков:

keywords_x_doc_terms = crossed_column(['keywords', 'doc_terms'], 50K)
columns = [keywords_x_doc_terms, ...]
features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
linear_prediction = linear_model(features, columns)

Вы также можете использовать поиск словаря перед перекрещиванием:

keywords = categorical_column_with_vocabulary_file(
    'keywords', '/path/to/vocabulary/file', vocabulary_size=1K)
keywords_x_doc_terms = crossed_column([keywords, 'doc_terms'], 50K)
columns = [keywords_x_doc_terms, ...]
features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
linear_prediction = linear_model(features, columns)

Если входной признак имеет числовой тип, вы можете использовать categorical_column_with_identity, или bucketized_column, как в примере:

# vertical_id is an integer categorical feature.
vertical_id = categorical_column_with_identity('vertical_id', 10K)
price = numeric_column('price')
# bucketized_column converts numerical feature to a categorical one.
bucketized_price = bucketized_column(price, boundaries=[...])
vertical_id_x_price = crossed_column([vertical_id, bucketized_price], 50K)
columns = [vertical_id_x_price, ...]
features = tf.io.parse_example(..., features=make_parse_example_spec(columns))
linear_prediction = linear_model(features, columns)

Для использования пересекающейся колонки в модели DNN вам необходимо добавить её в колонку встраивания, как показано в этом примере:

vertical_id_x_price = crossed_column([vertical_id, bucketized_price], 50K)
vertical_id_x_price_embedded = embedding_column(vertical_id_x_price, 10)
dense_tensor = input_layer(features, [vertical_id_x_price_embedded, ...])