Discretization 层

[源代码]

Discretization 类

tf_keras.layers.Discretization(
    bin_boundaries=None,
    num_bins=None,
    epsilon=0.01,
    output_mode="int",
    sparse=False,
    **kwargs
)

一种预处理层，用于按范围对连续特征进行分箱。

此层会将输入数据的每个元素放置到几个连续范围中的一个，并输出一个表示每个元素所属范围的整数索引。

有关预处理层的概述和完整列表，请参阅预处理 指南。

输入形状

任何维度为 2 或更高的 tf.Tensor 或 tf.RaggedTensor。

输出形状

与输入形状相同。

参数

• bin_boundaries: 分箱边界的列表。最左边和最右边的箱子将始终扩展到 -inf 和 inf，因此 bin_boundaries=[0., 1., 2.] 将生成箱 (-inf, 0.)、[0., 1.)、[1., 2.) 和 [2., +inf)。如果设置了此选项，则不应调用 adapt()。
• num_bins: 要计算的整数箱数。如果设置了此选项，则应调用 adapt() 来学习箱边界。
• epsilon: 容差，通常是一个接近零的小分数（例如 0.01）。epsilon 值越高，分位数近似值越大，导致分桶越不均匀，但可能会提高性能和资源消耗。
• output_mode：层输出的规范。值可以是 "int"、"one_hot"、"multi_hot" 或 "count"，配置层如下：
  • "int": 直接返回离散化的箱索引。
  • "one_hot"：将输入中的每个独立元素编码为一个与 num_bins 大小相同的数组，其中在输入的分桶索引处有一个 1。如果最后一个维度的大小为 1，则在该维度上进行编码。如果最后一个维度不为 1，则会附加一个新维度用于编码输出。
  • "multi_hot"：将输入中的每个样本编码为一个大小与 num_bins 相同的数组，其中对于样本中存在的每个分桶索引都包含一个 1。将最后一个维度视为样本维度，如果输入形状为 (..., sample_length)，则输出形状为 (..., num_tokens)。
  • "count"：与 "multi_hot" 类似，但整数数组包含分箱索引在样本中出现的次数计数。默认为 "int"。
• sparse: 布尔值。仅适用于 "one_hot"、"multi_hot" 和 "count" 输出模式。如果为 True，则返回 SparseTensor 而不是密集 Tensor。默认为 False。

示例

根据提供的分箱边界对浮点值进行分桶。

>>> input = np.array([[-1.5, 1.0, 3.4, .5], [0.0, 3.0, 1.3, 0.0]])
>>> layer = tf.keras.layers.Discretization(bin_boundaries=[0., 1., 2.])
>>> layer(input)
<tf.Tensor: shape=(2, 4), dtype=int64, numpy=
array([[0, 2, 3, 1],
       [1, 3, 2, 1]])>

根据要计算的箱数对浮点值进行分桶。

>>> input = np.array([[-1.5, 1.0, 3.4, .5], [0.0, 3.0, 1.3, 0.0]])
>>> layer = tf.keras.layers.Discretization(num_bins=4, epsilon=0.01)
>>> layer.adapt(input)
>>> layer(input)
<tf.Tensor: shape=(2, 4), dtype=int64, numpy=
array([[0, 2, 3, 2],
       [1, 3, 3, 1]])>