我正在尝试理解 Large-scale Linear Models with TensorFlow文档。文档按如下方式激励这些模型:
Linear model can be interpreted and debugged more easily than neural nets. You can examine the weights assigned to each feature to figure out what's having the biggest impact on a prediction.
所以我运行了随附的 TensorFlow Linear Model Tutorial 中的扩展代码示例.特别是，我运行了 example code from GitHub将 model-type 标志设置为 wide。这正确运行并产生了 accuracy: 0.833733，类似于 Tensorflow 网页上的 accuracy: 0.83557522。
该示例使用 tf.estimator.LinearClassifier 来训练权重。然而，与引用的能够检查权重的动机相反，我在 LinearClassifier documentation 中找不到任何函数来实际提取经过训练的权重。 .
问题:如何访问tf.estimator.LinearClassifier 中各种特征列的训练权重？我希望能够提取 NumPy 数组中的所有权重。
注意:我来自 R 环境，其中线性回归/分类模型有一个 coefs 方法来提取学习的权重。我希望能够在相同数据集上比较 R 和 TensorFlow 中的线性模型。
请您参考如下方法:
使用 Estimator 训练模型后，您可以使用 tf.train.load_variable从检查点检索权重。您可以使用 tf.train.list_variables查找模型权重的名称。
也有计划直接在 Estimator 中添加此支持。
