Tensorflow中的多个分类输入变量

Question

我有一个数据集，其中每个特征向量具有50个特征，其中45个是分类变量。我在将分类变量发送到tensorflow时遇到了麻烦。我找到了一个关于tensorflow和分类变量的教程，但不知道如何使其适用于同时具有两种类型数据和多个特征的数据集。我的第一次尝试如下，但这并没有对大部分变量进行编码：

input_classes, input_gradients, outputs = databank.get_dataset()

print("Creating feature matrix")
inputs = np.array(input_classes, dtype=np.int32)
outputs = np.array(outputs, dtype=np.int32)
random.seed(42)
input_train, input_test, output_train, output_test = cross_validation.train_test_split(inputs, outputs, test_size=0.2, random_state=42)

print("Creating DNN")
# Prepare the neural net
def my_model(X, y):
    # DNN with 10,20,10 hidden layers and dropout chance of 0.5
    layers = skflow.ops.dnn(X, [10, 20, 10], keep_prob=0.5)
    return skflow.models.logistic_regression(layers, y)


classifier = skflow.TensorFlowEstimator(model_fn=my_model, n_classes=2)

print("Testing DNN")
# Test the neural net
classifier.fit(input_train, output_train)
score = metrics.accuracy_score(classifier.predict(input_test), output_test)
print("Accuracy: %f" % score)

我认为真正的问题是，我不太明白如何处理上面代码中输入的“张量”X到my_model函数中。

- Nick Delben

Answer 1

使用分类处理器将您的类别映射为整数，然后再输入，就像这样。

cat_processor = skflow.preprocessing.CategoricalProcessor()
X_train = np.array(list(cat_processor.fit_transform(X_train)))
X_test = np.array(list(cat_processor.transform(X_test)))
n_classes = len(cat_processor.vocabularies_[0])

- Keng