HashedCrossing 层
HashedCrossing 类
keras.layers.HashedCrossing(
num_bins, output_mode="int", sparse=False, name=None, dtype=None, **kwargs
)
一个使用“哈希技巧”交叉特征的预处理层。
此层使用“哈希技巧”执行分类特征的交叉。从概念上讲，转换可以被认为是：hash(concatenate(features)) % num_bins。
此层目前仅执行标量输入和标量输入批次的交叉。有效的输入形状为 (batch_size, 1)、(batch_size,) 和 ()。
注意：此层包装了 tf.keras.layers.HashedCrossing。它不能用作任何除 TensorFlow 之外的后端模型的编译计算图的一部分。但是，它可以在急切执行时与任何后端一起使用。它也可以始终用作任何后端的输入预处理管道的一部分（在模型本身之外），我们建议使用此层的方式。
注意：此层可以在 tf.data 管道中安全使用（与您使用的后端无关）。
参数
- num_bins：哈希桶的数量。
- output_mode：层的输出规范。值可以是
"int"或"one_hot"，配置层如下"int"：直接返回整数桶索引。"one_hot"：将输入中的每个单独元素编码为与num_bins大小相同的数组，在输入的桶索引处包含一个 1。默认为"int"。
- sparse：布尔值。仅适用于
"one_hot"模式，并且仅在使用 TensorFlow 后端时有效。如果True，则返回SparseTensor而不是密集Tensor。默认为False。 - **kwargs：构造层的关键字参数。
示例
交叉两个标量特征。
>>> layer = keras.layers.HashedCrossing(
... num_bins=5)
>>> feat1 = np.array(['A', 'B', 'A', 'B', 'A'])
>>> feat2 = np.array([101, 101, 101, 102, 102])
>>> layer((feat1, feat2))
array([1, 4, 1, 1, 3])
交叉和独热编码两个标量特征。
>>> layer = keras.layers.HashedCrossing(
... num_bins=5, output_mode='one_hot')
>>> feat1 = np.array(['A', 'B', 'A', 'B', 'A'])
>>> feat2 = np.array([101, 101, 101, 102, 102])
>>> layer((feat1, feat2))
array([[0., 1., 0., 0., 0.],
[0., 0., 0., 0., 1.],
[0., 1., 0., 0., 0.],
[0., 1., 0., 0., 0.],
[0., 0., 0., 1., 0.]], dtype=float32)