我是 tensorflow 的新手。我有一个具有连续、离散和分类值的数据集。示例数据如下:
col1 col2 col3 col4 col5 col6 Class
0 22 23.40 45.60 11 1.0 0.0 0.0
1 346 67.40 235.60 23 1.0 1.0 0.0
2 22 67.34 364.66 17 0.0 0.0 1.0
3 1231 124.44 213.89 14 1.0 0.0 1.0
col1 和 col4 是离散变量。 col2 和 col3 是连续变量。 col5 和 col6 是分类变量。 类是目标变量。
我想知道是否可以将上述数据直接作为占位符 X 的输入传递。
X = tf.placeholder(tf.float32, [None, numFeatures])
我不必申请 tf.one_hot，对吗？因为我的分类变量是二元的。
tensorflow如何检测col5和col6是分类变量？
如有任何帮助，我们将不胜感激。谢谢!
请您参考如下方法:
由于您的变量是二进制的，因此可以将它们视为 int 您必须创建占位符，稍后您将通过传递批处理在训练部分使用这些占位符。
这里是您如何声明您的 tensorflow 占位符，以便它们具有正确的 dtype。
var1 = tf.placeholder(tf.int32, shape)
var4 = tf.placeholder(tf.int32, shape)
var2 = tf.placeholder(tf.float32, shape)
var3 = tf.placeholder(tf.float32, shape)
var5 = tf.placeholder(tf.int32, shape)
var6 = tf.placeholder(tf.int32, shape)
class_ = tf.placeholder(tf.int32, shape)
为了将变量集提供给模型，您稍后必须将它们连接起来，但在此之前，您应该转换张量，以使所有变量都处于相同的数据类型中以进行连接。
var1 = tf.cast(var1, tf.float32)
...
data = tf.concat([var1,var4, var2,var3, var5, var6], axis=1)
