在 Tensorflow 中创建许多特征列

我正在开始一个 Tensorflow 项目，并且正在定义和创建我的功能列。然而，我有成百上千个特征——这是一个相当广泛的数据集。即使经过预处理和清理，我仍然有很多列。

传统的创建方式feature_column定义在张量流教程 https://www.tensorflow.org/versions/master/tutorials/wide甚至这个StackOverflow 帖子 https://stackoverflow.com/questions/42965371/how-to-create-feature-columns-for-tensorflow-classifier。您本质上是为每个特征列声明并初始化一个 Tensorflow 对象：

gender = tf.feature_column.categorical_column_with_vocabulary_list(
    "gender", ["Female", "Male"])

如果您的数据集只有几列，那么这一切都很好，但就我而言，我当然不希望有数百行代码初始化不同的列feature_column对象。

解决这个问题的最佳方法是什么？我注意到在本教程中，所有列都收集为列表：

base_columns = [
    gender, native_country, education, occupation, workclass, relationship,
    age_buckets,
]

最终传递给您的估算器：

m = tf.estimator.LinearClassifier(
    model_dir=model_dir, feature_columns=base_columns)

理想的处理方式也是如此feature_column创建数百列是将它们直接附加到列表中吗？像这样的东西吗？

my_columns = []

for col in df.columns:
    if is_string_dtype(df[col]): #is_string_dtype is pandas function
        my_column.append(tf.feature_column.categorical_column_with_hash_bucket(col, 
            hash_bucket_size= len(df[col].unique())))

    elif is_numeric_dtype(df[col]): #is_numeric_dtype is pandas function
        my_column.append(tf.feature_column.numeric_column(col))

这是创建这些特征列的最佳方式吗？或者我是否缺少 Tensorflow 的某些功能来解决此步骤？

您在问题中发布的内容是有道理的。基于您自己的代码的小扩展：

import pandas.api.types as ptypes
my_columns = []
for col in df.columns:
  if ptypes.is_string_dtype(df[col]): 
    my_columns.append(tf.feature_column.categorical_column_with_hash_bucket(col, 
        hash_bucket_size= len(df[col].unique())))

  elif ptypes.is_numeric_dtype(df[col]): 
    my_columns.append(tf.feature_column.numeric_column(col))

  elif ptypes.is_categorical_dtype(df[col]): 
    my_columns.append(tf.feature_column.categorical_column(col, 
        hash_bucket_size= len(df[col].unique())))