TensorFlow Estimator官方文档中的Feature column

特征列

本文件对特征列（feature columns）进行了详尽说明。特征列可被理解为原始数据与 Estimator 之间的桥梁，其功能多样，能够将各类原始数据转换为 Estimator 所能识别的格式，从而便于开展实验。

在关于内置 Estimators 的教程部分，我们曾训练了一个 tf.estimator.DNNClassifier 用于实现对 Iris 花类别的分类任务。在该示例中，仅采用了数值型特征列（tf.feature_column.numeric_column）这一类型。虽然数值型特征列可以有效表达花瓣与花蕊的长度和宽度等信息，但实际的数据集往往包含多种类型的特征，其中相当一部分并非数值形式。

1. 深度神经网络的输入

深度神经网络仅能处理数值型数据，而我们所收集的特征并非全部属于数值类型。以一个包含以下三个非数值型 product_class 特征为例：

• kitchenware
• electronics
• sports

通常情况下，机器学习模型会将分类变量转化为简单的向量形式，其