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。
我想知道我是否可以将上述数据直接作为输入传递给占位符X.
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进制的。
张量流如何检测 col5 和 col6 是分类变量？
任何帮助将不胜感激。谢谢！
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，稍后将通过传递批处理在训练部分使用。
下面介绍如何声明您的张量流占位符，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，您应该强制转换张量，以便将所有变量都放在相同的 dtype 中进行串联。
var1 = tf.cast(var1, tf.float32)
...
data = tf.concat([var1,var4, var2,var3, var5, var6], axis=1)